城市微事件的多模态分类
机器学习
2019-05-01 v1 机器学习
摘要
本文中我们探寻有效探测城市微事件的方法。城市微事件是指在城市中发生、地理覆盖有限且通常仅影响一小群市民的事件。因其规模，在大多数数据源中难以识别。然而，利用市民感知收集数据，探测它们变得可行。市民感知收集的数据常为多模态，因此，探测城市微事件所需信息分布于多个模态上。这使得具备能融合它们的分类器至关重要。本文中我们探索了多种构建此类分类器的方法，包括早期、晚期、混合融合以及利用多模态图的表示学习。我们在一个来自实时市民上报系统的真实世界数据集上评估性能。我们表明多模态方法比单模态替代方案性能更高。此外，我们论证了早期与晚期融合结合多模态嵌入的混合方案在城市微事件分类中表现最佳。
引用
@article{arxiv.1904.13349,
title = {Multimodal Classification of Urban Micro-Events},
author = {Maarten Sukel and Stevan Rudinac and Marcel Worring},
journal= {arXiv preprint arXiv:1904.13349},
year = {2019}
}