利用概率潜在狄利克雷分配与决策树早期预测抗议活动持续时间
社会与信息网络
2017-11-02 v1 人工智能
摘要
抗议与骚乱是每个民主公民社会不可分割的一部分。近年来，南非的抗议活动大幅增加。本文的目标是根据抗议活动的自由文本描述对其持续时间进行早期预测。对抗议活动的自由文本描述有助于我们捕捉其多种细微之处，例如多重起因、行动过程等。接下来我们使用无监督学习（主题建模）与有监督学习（决策树）相结合的方法来预测抗议活动的持续时间。我们的结果显示早期预测抗议活动持续时间的准确度很高（接近 90%）。我们期望该工作能帮助警方及其他安全部门规划与管理其资源，以更好地应对未来的抗议活动。
引用
@article{arxiv.1711.00462,
title = {Early prediction of the duration of protests using probabilistic Latent Dirichlet Allocation and Decision Trees},
author = {Satyakama Paul and Madhur Hasija and Tshilidzi Marwala},
journal= {arXiv preprint arXiv:1711.00462},
year = {2017}
}
备注
This paper is to appear in the 4th IEEE Latin American Conference on Computational Intelligence LA-CCI. This paper was written by Satyakama and Madhur and supervised by Tshilidzi