Biblioteca122.294 documentos en línea

Artículo

Learning Evolutionary Stages with Hidden Semi-Markov Model for Predicting Social Unrest EventsAprendizaje de etapas evolutivas con el Modelo Semimarcoviano Oculto para predecir eventos de agitación social.

Resumen

Los eventos de agitación social son sucesos comunes en la sociedad moderna que necesitan ser manejados de manera proactiva. Un método efectivo es evaluar continuamente el riesgo de futuros eventos de agitación social y predecir la probabilidad de dichos eventos. Nuestro trabajo previo construyó un marco basado en modelos ocultos de Markov (HMM, por sus siglas en inglés) para predecir indicadores asociados con la inestabilidad de un país, dejando dos deficiencias que pueden ser optimizadas: omitir la interacción de los participantes en los eventos y aprender implícitamente el tiempo de residencia del estado. Inspirados por esto, proponemos un nuevo marco de predicción en este artículo, utilizando patrones de subgrafos frecuentes y modelos ocultos de Markov semicontinuos (HSMMs). La característica llamada BoEAG (Bolsa de Eventos Asociación-subGrafo) se construye basándose en la minería de subgrafos frecuentes y el modelo de bolsa de palabras. El nuevo marco aprovecha los eventos

  • Tipo de documento:
  • Formato:pdf
  • Idioma:Inglés
  • Tamaño: Kb

Cómo citar el documento

Esta es una versión de prueba de citación de documentos de la Biblioteca Virtual Pro. Puede contener errores. Lo invitamos a consultar los manuales de citación de las respectivas fuentes.

Este contenido no est� disponible para su tipo de suscripci�n

Información del documento