文献

J-GLOBAL ID：201902261164108961   整理番号：19A1665672

リカレントニューラルネットワークを用いたソーシャルメディアにおける異常検出【JST・京大機械翻訳】

Anomaly Detection in Social Media Using Recurrent Neural Network

著者 (2件)： Shah Shamoz (Centre of Artificial Intelligence, Faculty of Engineering and Information Technology, University of Technology Sydney, Broadway, NSW, Australia) ,  Goyal Madhu (Centre of Artificial Intelligence, Faculty of Engineering and Information Technology, University of Technology Sydney, Broadway, NSW, Australia)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 11539  ページ： 74-83  発行年： 2019年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： 今日の情報環境において,ニュースの取得,普及および消費において,オンラインおよびソーシャルメディアに対する依存性が増加している。具体的には,FaceブックやTwitterなどの社会メディアプラットフォームの利用は,ニュースを破るための切れ刃媒体として増加している。一方,社会的メディアを通してのニュースの低コスト,容易なアクセスおよび急速な伝播は,プラットフォームを偽および異常な報告に対してより敏感にする。偽および異常なニュースの伝播は,いくつかの良性運動ではない。ファークニュースの広範な普及は,個人と社会に深刻で現実的な損害を与える可能性を持っている。結果として,社会メディアにおける偽ニュースの検出は,研究の振動と重要な分野になった。本論文では,偽および異常データの検出および分類に対する機械学習アプローチの新しい応用について考察した。再帰的ニューラルネットワーク(RNN)により結果を訓練する前に,K最近傍(KNN)アルゴリズムによる初期クラスタリングステップを提案した。RNN位相の前のKNN位相の予備的適用の結果は,異常値の検出における定量的で測定可能な改善を生み出し,そのようなことは,2016のUS住宅の試験データセットに対する異常または異常値を検出するのにより効果的である。Copyright 2019 Springer Nature Switzerland AG Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 媒質 ,  高速度 ,  異常値 ,  アルゴリズム ,  *ニューラルネットワーク ,  クラスタ化 ,  機械学習 ,  切れ刃 ,  位相 ,  ニュース
準シソーラス用語： 試験データ ,  オンライン ,  *異常検出 ,  *ソーシャルメディア ,  *リカレントニューラルネットワーク , 【Automatic Indexing@JST】

著者キーワード (4件)： クラスタリング ,  リカレントニューラルネットワーク ,  Twitter ,  先行的選挙

分類 (3件)： 計算機網  (JC03000K) ,  人工知能  (JE08000Z) ,  CAI  (JE09000G)

タイトルに関連する用語 (3件)： リカレントニューラルネットワーク ,  ソーシャルメディア ,  異常検出