本研究使用关联规则挖掘方法来探究近撞事件与道路几何形状和旅行特征之间的关联,并分析了自然驾驶数据集及相应的道路清单数据集。
Jan, 2022
本文研究了利用社交媒体,通过 NLP 方法对 2020 年 10 月伊兹密尔地震的 Twitter 帖子进行情感分析和主题建模,探讨分析结果是否可以及时用于社会推理,发现用户在地震后分享了他们的善意愿望并旨在向有关机构和组织表达自己的声音,该研究提出的方法有效且具有未来研究价值。
Dec, 2022
该研究使用关联规则挖掘算法基于 Apriori 算法分析 COVID-19 患者的数据,发现最常见的症状为呼吸暂停(72%),咳嗽(64%),发热(59%),虚弱(18%),肌肉疼痛(14.5%)和喉咙痛(12%)。该方法为临床医生提供宝贵的见解,有助于有效管理和治疗该疾病。
Aug, 2023
该文为关联规则挖掘领域的文献综述,介绍了该领域主要的技术和应用,并旨在定义未来研究方向。
Feb, 2023
本文提出了一种基于文本挖掘的方法来收集和分析社交媒体数据,以进行早期地震影响分析,结果表明,公众舆论趋势分析和公众舆情趋势可以在早期阶段评估地震的社会影响,并有助于决策和救援管理。
该研究提出了一种交互式工具,通过收集和分类社交媒体上的呼救信息、提取其实体标签并可视化在地图上,提高寻找被困人员、救援和捐赠等救灾工作的效率,其实验表明 tweet 分类的 F1 分数高达 98.3%,实体提取的 F1 分数为 84.32%。
本文介绍了一种用于在垂直分割数据库上挖掘关联规则的量子协议,该协议可以提高已知经典协议保存的隐私级别,同时可以指数级降低计算复杂度和通信成本。
Dec, 2015
此研究针对加拿大埃德蒙顿市的各类紧急事件,通过数据收集、描述性分析、特征分析与选择以及建立预测模型,以不同时间和空间分辨率预测各类事件的发生概率,并对其与社会经济和人口数据的关联进行分析,结果显示模型在大部分事件类型上表现良好,可用于紧急救援服务部门的资源分配和规划,同时研究还发现 COVID-19 对事件发生和预测模型的精度有显著影响。
Feb, 2024
本文提出一种基于自编码器的关联规则挖掘算法 ARM-AE,通过比较三个分类数据集上的实验结果表明,该算法能够高效且准确地挖掘出高置信度和支持度的关联规则。
Apr, 2023
本文介绍了我们的 GeoAI(地理空间人工智能)解决方案,通过一组空间和时间启用的语义规则,来识别事件,特别是灾害事件之间的因果关系,在灾害事件建模的用例中,我们演示了如何利用这些定义的规则实现自动提取不同事件之间的因果关系。
Nov, 2022