用于失踪人员推文识别的 r-实例学习
社会与信息网络
2018-06-06 v2 计算与语言
摘要
近年来失踪人员（即走失人员）的数量大幅增加。这是一个严重的世界性问题，寻找失踪人员消耗了大量社会资源。在追踪和寻找这些失踪人员的过程中，及时的数据收集与分析实际上发挥着重要作用。随着社交媒体的发展，有关失踪人员的信息可以通过网络非常迅速地传播，这为解决问题提供了一条有前景的途径。在线社交媒体中的信息通常属于异构类别，既涉及复杂的社会互动，也涉及多种结构的文本数据。有效融合这些不同类型的信息以解决失踪人员识别问题是一个巨大的挑战。受多实例学习问题及现有社会科学中的“同质性”理论启发，本文提出一种新颖的 r-实例（RI）学习模型。
引用
@article{arxiv.1805.10856,
title = {r-Instance Learning for Missing People Tweets Identification},
author = {Yang Yang and Haoyan Liu and Xia Hu and Jiawei Zhang and Xiaoming Zhang and Zhoujun Li and Philip S. Yu},
journal= {arXiv preprint arXiv:1805.10856},
year = {2018}
}
备注
10 pages, 6 figures. arXiv admin note: text overlap with arXiv:1805.10617