显著情境事实的增量发现
数据库
2014-03-27 v2
摘要
我们研究了一个新问题：发现新的、显著的情境事实，即那些在特定语境中脱颖而出的关于对象的新兴陈述。许多此类事实具有新闻价值——例如，运动员在比赛中的杰出表现，或病毒式视频的惊人热度。高效地识别这些事实有助于记者进行报道，这是计算新闻学的主要目标之一。技术上，我们考虑一个不断增长的包含维度属性和度量属性的对象表。情境事实是一个“上下文”天际线元组，当比较一组度量属性时，它在由涉及维度属性的合取约束所指定的上下文中，相对于历史元组脱颖而出。新元组被不断添加到表中，以反映现实世界中发生的事件。我们的目标是快速发现使新元组成为上下文天际线元组的约束 - 度量对，并在事件成为旧闻之前完成发现。暴力方法需要在每个约束下、每个度量子空间中与每个元组进行穷举比较。针对这些挑战，我们利用三个相应思想设计了算法：元组归约、约束剪枝以及跨度量子空间共享计算。我们还采用了一种简单的显著性度量，以便在发现的事实数量众多时对其进行排序。在两个真实数据集上的实验验证了我们技术的有效性和效率。
引用
@article{arxiv.1311.4529,
title = {Incremental Discovery of Prominent Situational Facts},
author = {Afroza Sultana and Naeemul Hassan and Chengkai Li and Jun Yang and Cong Yu},
journal= {arXiv preprint arXiv:1311.4529},
year = {2014}
}