文献
J-GLOBAL ID:202202289671033896   整理番号:22A0736002

IISD:イベントマイニングのための統合相互作用部分グラフ検出【JST・京大機械翻訳】

IISD: Integrated Interaction Subgraph Detection for event mining
著者 (7件):
資料名:
巻: 240  ページ: Null  発行年: 2022年 
JST資料番号: T0426A  ISSN: 0950-7051  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: オランダ (NLD)  言語: 英語 (EN)
抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
ネットワーク上のイベント検出はデータマイニングにおける重要な研究課題である。多くの以前の方法は,通常,モデルにおいてあらかじめ定義された規則を満たす特定のタイプの事象を検出する。しかし,探索プロセス中の人間の専門家の関心は,未探索事象を発見するために,ほとんど考慮されていない。本論文では,事象がネットワーク上の異常接続部分グラフとして扱われる,統合相互作用部分グラフ検出(IISD)と名付けた,属性ネットワーク上の異常部分グラフ検出としての対話型事象検出に関して,著者らは,関連イベント検出を,関連させた。本方法のコアは,サブグラフの異常を評価して,同時に人間のエキスパートの相互作用を統合することによって,イベントを自動的に同定する。具体的には,まず,人間のエキスパートの相互作用と推奨された相互作用領域(すなわち,部分グラフと隣接頂点)を定義し,人間のエキスパートの関心に基づく対話型操作を行うのに用いた。その後,人間のエキスパートのフィードバックを反復的に統合し,推奨されたインタラクション領域を更新する効率的な部分グラフ検出アルゴリズムを提案した。この方法で,この方法は最終事象としてネットワーク上の最も異常な部分グラフを検索でき,それは人間専門家の連続的最適化相互作用による潜在的未探索情報を含む。2つの実世界データセットに関する広範囲な実験を行い,著者らのアルゴリズムがいくつかの競合基準と比較してより良い性能を達成できることを証明した。さらに,事例研究は,著者らの方法がグローバル異常イベントを効果的に検出できることを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
, 【Automatic Indexing@JST】
分類 (1件):
分類
JSTが定めた文献の分類名称とコードです
人工知能 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る