消息重要度度量及其在大数据中少数子集检测的应用
信息论
2016-07-07 v1 math.IT
摘要
消息重要度度量(MIM)是描述大数据场景下消息重要性的重要指标。与Shannon熵和Renyi熵类似，MIM需要刻画随机过程的不确定性及一些相关统计特性。此外，MIM还需突出那些发生概率相对较小的事件的重要性，从而特别适用于大数据。本文中，我们首先从信息论视角定义了一个参数化MIM度量，然后研究其性质。我们还给出了一个参数选择原则，为大数据统计处理中的少数子集检测问题提供解答。
引用
@article{arxiv.1607.01533,
title = {Message Importance Measure and Its Application to Minority Subset Detection in Big Data},
author = {Pingyi Fan and Yunquan Dong and Jiaxun Lu and Shanyun Liu},
journal= {arXiv preprint arXiv:1607.01533},
year = {2016}
}
备注
9 pages, 3 figures