基于贝叶斯图神经网络的交互式事件筛选
机器学习
2024-10-10 v1 社会与信息网络
摘要
司法分析师经常使用社交媒体图像和文本来理解重要事件。一个主要挑战是初始筛选无关的帖子。本工作引入了一种用于训练事件导向的、基于学习的多模态分类模型的交互式过程，以实现自动化清洗。我们提出了一种基于贝叶斯图神经网络（BGNNs）的方法，并评估了主动学习和伪标签化的方案，以减少分析师必须手动标注的帖子数量。我们的结果表明，贝叶斯图神经网络对于社交媒体数据筛选具有价值，这对于对感兴趣事件的 Forensics 调查非常有用，主动学习和伪标签化的价值取决于具体情境，纳入来自其他事件的未标记数据有助于提高性能。
引用
@article{arxiv.2410.05359,
title = {Interactive Event Sifting using Bayesian Graph Neural Networks},
author = {José Nascimento and Nathan Jacobs and Anderson Rocha},
journal= {arXiv preprint arXiv:2410.05359},
year = {2024}
}
备注
Accepted in IEEE International Workshop on Information Forensics and Security - WIFS 2024, Rome, Italy