Modelo generativo y no paramétrico para detección de eventos en tiempo real en redes sociales basado en análisis textual

Resumen

Una de las cosas que se sigue en los sistemas de monitorización es la detección de eventos raros en tiempo real entre la multitud de eventos comunes en las redes sociales. Teniendo en cuenta la falta de reconocimiento y la falta de disponibilidad de eventos raros, su detección se considera un desafío. En esta investigación, se presentó una nueva arquitectura y un enfoque basado en una infraestructura de red antagónica generativa para detectar eventos comunes y raros en tiempo real. En esta investigación se intenta brindar un nuevo enfoque al desempeño de arquitecturas basadas en redes generativas antagónicas profundas, una forma de resolver diversos problemas sin supervisión con un enfoque semi-supervisor e infraestructura generativa antagónica. Esta arquitectura se basa en la extracción automática y el uso de funciones de datos de entrada de video. Los resultados de la misma tasa de error en los conjuntos de datos UCSDped1 y UCSDped2 fueron 2,0 y 17,0, respectivamente, en la curva característica de rendimiento.