文献

J-GLOBAL ID：202002278697322746   整理番号：20A1575239

危機管理を支援するソーシャルメディア解析のためのアクティブオンライン学習【JST・京大機械翻訳】

Active Online Learning for Social Media Analysis to Support Crisis Management

著者 (3件)： Pohl Daniela (Institute of Information Technology, Alpen-Adria-Universitaet Klagenfurt, Universitaetsstr. 65-67, Klagenfurt, Austria) ,  Bouchachia Abdelhamid (Smart Technology Research Centre, Bournemouth University, Poole, United Kingdom) ,  Hellwagner Hermann (Institute of Information Technology, Alpen-Adria-Universitaet Klagenfurt, Universitaetsstr. 65-67, Klagenfurt, Austria)
資料名： IEEE Transactions on Knowledge and Data Engineering  (IEEE Transactions on Knowledge and Data Engineering)
巻： 32  号： 8  ページ： 1445-1458  発行年： 2020年 
JST資料番号： T0838A  ISSN： 1041-4347  CODEN： ITKEEH  資料種別： 逐次刊行物 (A)
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： 人々は社会メディア(SM)を用いて,危機のような異なる状況を記述し,議論する。したがって,危機管理を支援するためのSMコンテンツの利用,特にリアルタイムにおける危機に関する有用で未知の情報を明らかにすることは価値がある。そこで,AOMPCと呼ばれる新しいアクティブオンライン多重プロトタイプ分類器を提案した。それは危機に関連する関連データを同定する。AOMPCは,データストリームで動作するオンライン学習アルゴリズムであり,あいまいなラベルなしデータのラベルを能動的に質問するためにアクティブ学習機構を備えている。クエリの数を固定予算戦略によって制御した。典型的には,AOMPCは部分的にラベル付けされたデータストリームを収容する。2種類のデータを用いてAOMPCを評価した。(1)合成データと(2)2つの危機,コロラド・フロッドとオーストラリアのブシュファイアに関連したツイッタからのSMデータ。完全な評価を提供するために,既知の計量の全セットを用いて結果の品質を研究した。さらに,感度分析を行い,結果の精度に及ぼすAOMPCのパラメータの影響を示した。他の利用可能なオンライン学習アルゴリズムに対するAOMPCの比較研究を行った。実験は,進化する部分標識データストリームを扱うためのAOMPCの非常に良好な挙動を示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： ブシュ ,  オーストラリア連邦 ,  多重化 ,  *リスク管理 ,  曖昧さ ,  学習アルゴリズム ,  コンテンツ ,  プロトタイプ
準シソーラス用語： 能動学習 ,  *オンライン学習 ,  データストリーム ,  クエリー ,  *オンライン ,  *ソーシャルメディア ,  ツイッター , 【Automatic Indexing@JST】

分類 (1件)： 人工知能  (JE08000Z)

タイトルに関連する用語 (5件)： 危機管理 ,  支援 ,  ソーシャルメディア ,  解析 ,  オンライン学習