文献

J-GLOBAL ID：201802240810081147   整理番号：18A0196570

twitterにおけるすべての危機ツイートコレクションのより深い理解のための自己同調戦略【Powered by NICT】

All in a twitter: Self-tuning strategies for a deeper understanding of a crisis tweet collection

著者 (3件)： Di Corso Evelina (Dipartimento di Automatica e Informatica, Politecnico di Torino, Torino, Italy) ,  Ventura Francesco (Dipartimento di Automatica e Informatica, Politecnico di Torino, Torino, Italy) ,  Cerquitelli Tania (Dipartimento di Automatica e Informatica, Politecnico di Torino, Torino, Italy)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： Big Data  ページ： 3722-3726  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 自然災害は顕著な気候変動のために,過去20年間よりしばしば行われるようになった。これら自然事象はツイッタのようなソーシャルネットワークに熱く議論されているし,大量の短いテキストメッセージの私見,自然現象の記述とそれらの対応する結果で交換した連続的かつ迅速にした。これら大規模で複雑なデータの解析は,事象をより良く理解するために,同様に優先度を設定するための政策立案者に役立つであろう。しかし,ツイートマイニングプロセスの正確な配置は,可変データ分布と異なる特異的パラメータを有する多数アルゴリズムの利用可能性のために,まだ挑戦的である。分析者は全体的な知識発見プロセスの最良の構成を同定するために多数の実験を実施する必要がある。分析プロセスを合理化する研究が必要である革新的,スケーラブル,そしてパラメータを含まない解。ツイートのコーパスをグループ化最小分析者の介入を有する凝集と良く分離したクラスタに発症ツイート収集に適用したパスタ(分散自己調整エンジン)の拡張バージョンを提示した。自然災害中に収集した実データ上で行った実験では,アルゴリズムやそれらのパラメータを選ぶことなく相関ツイートの興味ある基を発見するパスタの有効性を示した。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【Powered by NICT】

シソーラス用語： クラスタ ,  コーパス ,  気候変動 ,  知識発見 ,  優先度 ,  合理化 ,  アルゴリズム ,  *自然災害
準シソーラス用語： 社会的ネットワーク ,  ツイッター ,  自然現象 ,  *セルフチューニング , 【Automatic Indexing@JST】

分類 (2件)： 計算機網  (JC03000K) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (4件)： Twitter ,  理解 ,  自己同調 ,  戦略