A Survey on Anomaly Detection for Discovering Emerging Topics
A Survey on Anomaly Detection for Discovering Emerging Topics
复制标题
用于发现新兴主题的异常检测调查
DOI：
10.1109/wi-iat55865.2022.00093
复制
发表时间：
2014
期刊：
影响因子：
--
通讯作者：
M. E. Scholar
中科院分区：
文献类型：
--
作者：
S.Saranya;R.Rajeshkumar;S.Shanthi;M. E. Scholar
- 本文识别了社交网络中涉及的各种概念，以发现新兴的主题。我们重点关注可用于检测异常的各种方法。所用的方法有隐马尔可夫模型、UMass方法、CMU方法、变换矩阵方法和有限混合模型。这些方法涉及在社交网络中共享的文本、视频、音频、URL和提及。Kullback-Leibler分歧度量在这里用于发现随着时间的推移连贯的主题和主题。
- This paper identifies various concepts involved in social networks for finding the emerging topics. We focus on the various methods that can be applied for detecting the anomaly. The methods used are Hidden Markov Model, UMass Approach, CMU Approach, Change Finder method and Finite Mixture Model. These methods involve texts, videos, audios, URLs and mentions which are shared in the social networks. Kullback-Leibler divergence measure is used here to discover coherent themes and topics over time.
(3) 阐明胎生鱼为未出生的孩子提供的营养
DOI：
--
发表时间：
--
期刊：
影响因子：
--
作者：
通讯作者：
--