文献

J-GLOBAL ID：202202250191872376   整理番号：22A0960377

時空間格子へのストリーミングデータにおける予想外の変化のマッピングによるTwitter上のイベント検出【JST・京大機械翻訳】

Event Detection on Twitter by Mapping Unexpected Changes in Streaming Data into a Spatiotemporal Lattice

著者 (2件)： Shah Zubair (Division of ICT, College of Science & Engineering, Hamad Bin Khalifa University, Qatar) ,  Dunn Adam G. (Centre for Health Informatics, Australian Institute of Health Innovation, Macquarie University, Macquarie Park, NSW, Australia)
資料名： IEEE Transactions on Big Data  (IEEE Transactions on Big Data)
巻： 8  号： 2  ページ： 508-522  発行年： 2022年 
JST資料番号： W2442A  ISSN： 2332-7790  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： 多くのアプリケーションは,時空間パターンを同定することにより,ソーシャルメディアから高容量ストリーミングデータの意味を追求する。時間にわたって現れ,減衰するトピックを表す事象は,使用される言語の変化を監視することによって検出されるが,典型的なアプローチは,都市と国におけるイベントの局在化,および数時間,日,および週を考慮しない。本研究は,Twitterデータストリームに適用することができる,イベントの局所化とランキングに対する新しいアプローチを開発し,評価する。提案アプローチは,言語の使用における予想外の変化の大きさを検出するのに使用できるモデルを生成するために,1時間あたり都市あたりツイートにおける言語の使用をモデル化する。この手法は,時空間格子構造と時間,日,および週の間の横断,ならびに都市,地域,および国を横断して,何百万トンのツイートで使用された言語における異常を同定した。出力は,場所と時間内に投稿されたツイートのリストから成るイベントのランクリストであり,関心の言語特徴によって特性化される。100都市に位置するユーザから11.7百万tweetsを用いて5つの事例領域(自殺,射撃,選択,スポーツ,および感情)で検出される事象を比較することによって,アプローチを実行,試験して,203日の研究期間内に郵送した。実験は,この方式が一連の応用領域にわたって事象を検出することができることを証明した。Copyright 2022 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： *検出 ,  言語 ,  スポーツ ,  *データ ,  格子構造 ,  都市 ,  モデリング ,  *結晶格子 ,  応用プログラム ,  モデル ,  等級づけ ,  *イベント
準シソーラス用語： データストリーム ,  *イベント検出 ,  ソーシャルメディア ,  *ツイッター ,  *ストリーミングデータ , 【Automatic Indexing@JST】

分類 (2件)： パターン認識  (JE07000S) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (7件)： 時空間 ,  格子 ,  ストリーミングデータ ,  予想 ,  マッピング ,  Twitter ,  イベント検出