基于最大熵模型的交互式协调关系链发现
数据库
2015-12-31 v1 人机交互
摘要
现代视觉分析工具促进了人在回路的分析，但在引导用户走向有趣且有前景的研究方向方面能力有限。当分析任务本质上是探索性的时，这一问题尤为突出，例如，在大规模文本数据集中发现潜在协调的关系。此类任务在情报分析和安防取证等领域非常常见，其目标是揭示跨越多种关系类型的惊人联盟。我们引入新的最大熵模型，利用关于文档中实体出现次数的计数数据来发现惊人的关系链。这些模型被嵌入到一个称为MERCER的视觉分析系统中，该系统将关系束视为一等对象，并引导用户走向有前景的探究路线。我们展示了用户输入如何审慎地引导分析得出有效结论，而纯算法方法可能误入歧途。给出了在来自情报界的合成和真实数据集上的实验结果。
引用
@article{arxiv.1512.08799,
title = {Interactive Discovery of Coordinated Relationship Chains with Maximum Entropy Models},
author = {Hao Wu and Maoyuan Sun and Peng Mi and Nikolaj Tatti and Chris North and Naren Ramakrishnan},
journal= {arXiv preprint arXiv:1512.08799},
year = {2015}
}
备注
The journal version of paper is submitted for publication