Підходи до розв'язання задачі прогнозування подій на основі новин
DOI:
https://doi.org/10.20535/1560-8956.40.2022.261651Ключові слова:
прогнозування подій, інтелектуальний аналіз даних, якість новин, комп’ютерна лінгвістика, часові ряди, асоціативні правилаАнотація
У статті наведено огляд сфер застосування підходів і методів прогнозування подій на основі подій, що відбувалися в минулому. Подане обґрунтування актуальності теми та наведено можливості щодо застосування результатів роботи. Визначено вимоги до вхідних новин щодо їх якості. Зазначено, що можна виділити чотири ключових критерії якості засобів масової інформації, які найчастіше є двокомпонентними, а саме: актуальність новин, надання контексту, в
якому знаходиться та чи інша подія, дотримання професіних стандартів та різноманітність матеріалів. Виокремлено ключові етапи роботи з даними з метою отримання з них знань для прогнозування подій. До них належить попередня обробка даних (приведення до стандартизованого вигляду, який зрозуміє і зможе обробляти алгоритм), їх аналіз та сам процес прогнозування. Зазначено сфери застосування асоціативних рядів та марківських процесів для пошуку причинно-наслідкових звязків, а часових рядів для визначення періоду настання події із заданою імовірністю.
Бібл. 7, іл. 2.
Посилання
Discovering and learning sensational episodes of news events / X. Ao et al. Information Systems. 2018. Vol. 78. P. 68-80. DOI: 10.1016/j.is.2018.05.003.
Preethi P. G., Uma V., Kumar A. Temporal Sentiment Analysis and Causal Rules Extraction from Tweets for Event Prediction. Procedia Computer Science. 2015. Vol. 48. P. 84-89. DOI: 10.1016/j.procs.2015.04.154.
Anastasiu D. C., Tagarelli A., Karypis G. Document Clustering: The Next Frontier. Data Clustering. 2018. P. 305-338. DOI: 10.1201/9781315373515-13.
Realization of a news dissemination agent based on weighted association rules and text mining techniques / C. Huang et al. Expert Systems with Applications. 2010. Vol. 37, № 9. P. 6409-6413. DOI: 10.1016/j.eswa.2010.02.078.
Modeling Precursors for Event Forecasting via Nested Multi-Instance Learning / Y. Ning et al. Proceedings of the 22nd ACM SIGKDD International Conference on Knowledge Discovery and Data Mining. 2016. DOI: 10.1145/2939672.2939802.
Singh S., Khatri R. Data Mining based Technique for Natural Event Prediction and Disaster Management. International Journal of Computer Applications. 2016. Vol. 139, № 14. P. 34-39. DOI: 10.5120/ijca2016909102.
Zhukov D., Andrianova E., Trifonova O. Stochastic Diffusion Model for Analysis of Dynamics and Forecasting Events in News Feeds. Symmetry. 2021. Vol. 13, № 2. P. 257. DOI: 10.3390/sym13020257.
##submission.downloads##
Опубліковано
Номер
Розділ
Ліцензія
Автори залишають за собою право на авторство своєї роботи та передають журналу право першої публікації цієї роботи на умовах ліцензії Creative Commons Attribution License, котра дозволяє іншим особам вільно розповсюджувати опубліковану роботу з обов'язковим посиланням на авторів оригінальної роботи та першу публікацію роботи у нашому журналі.
2. Автори мають право укладати самостійні додаткові угоди щодо неексклюзивного розповсюдження роботи у тому вигляді, в якому вона була опублікована нашим журналом (наприклад, розміщувати роботу в електронному сховищі установи або публікувати у складі монографії), за умови збереження посилання на першу публікацію роботи у нашому журналі.
3. Політика журналу дозволяє і заохочує розміщення рукопису роботи авторами в мережі Інтернет (наприклад, на arXiv.org або на особистих веб-сайтах). Причому рукописи статей можуть бути розміщенні у відкритих архівах як до подання рукопису до редакції, так і під час його редакційного опрацювання. Це сприяє виникненню продуктивної наукової дискусії, позитивно позначається на оперативності ознайомлення наукової спільноти з результатами Ваших досліджень і як наслідок на динаміці цитування вже опублікованої у журналі роботи. Детальніше про це: The Effect of Open Access.
