文献

J-GLOBAL ID：202002222061556005   整理番号：20A1943057

統合細粒イベント予測のためのMIML-LSTMニューラルネットワーク【JST・京大機械翻訳】

A MIML-LSTM neural network for integrated fine-grained event forecasting

著者 (5件)： Xue Cong (Chinese Academy of Sciences and University of Chinese Academy of Sciences, China) ,  Zeng Zehua (Chinese Academy of Sciences and University of Chinese Academy of Sciences, China) ,  He Yuanye (Chinese Academy of Sciences) ,  Wang Lei (Chinese Academy of Sciences) ,  Gao Neng (Chinese Academy of Sciences, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： ICBDT ’18  ページ： 44-51  発行年： 2018年 
JST資料番号： D0698C  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： 社会イベント予測は危機警報と緊急管理において重要な役割を果たす。ほとんどの伝統的予測方法は,特定の事象が起こるかどうかの予測に焦点を当てる。しかし,これらの方法の結果は,過度の頻度,詳細の欠如,および予測事象に関する支持的な証拠のために,政策立案者にとって必ずしも有益ではない。本論文では,事象の属性を予測し,関連する前駆体を発見するための統合細粒事象予測の問題に焦点を当てた。ニュースシーケンスの収集を考えて,この問題をマルチインスタンスマルチラベル学習(MIML)フレームワークに変換した。イベントの逐次影響とニュースのハイブリッド性を考慮して,著者らは,Long Short-Termメモリ(LSTM)ニューラルネットワークに基づくMIMLフレームワークを実装して,新しい論文,毎日の状態およびニュースシーケンスをそれぞれ表す3つのレベルの深い特徴を抽出するために,MIML-LSTMと呼ばれるモデルを提案した。この階層的表現に基づいて,各部分の関節訓練のための組成目的関数を設計した。実証として複数のタイプのプロテストイベント予測を取り上げて,ラテンアメリカの3か国からのニュースストリームに関する提案モデルを評価し,そして,実験結果は統合細粒事象予測に関する著者らのモデルの有効性を示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 予測技法 ,  記憶装置 ,  学習 ,  警報 ,  *ニューラルネットワーク ,  目的関数 ,  前駆体 ,  ニュース ,  有効性
準シソーラス用語： テキストマイニング ,  長短期記憶 , 【Automatic Indexing@JST】

著者キーワード (4件)： LSTMニューラルネットワーク ,  イベント予測 ,  マルチインスタンスマルチラベル学習 ,  テキストマイニング

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (6件)： 統合 ,  細粒 ,  イベント ,  予測 ,  LSTM ,  ニューラルネットワーク