92、基于非负张量分解的场景发现

基于非负张量分解的场景发现

一、引言

在可视化分析这一相对较新的领域，迫切需要自动化方法来验证和发现主要参与者随时间变化的意图和计划。数据挖掘和知识发现对于从大型复杂的文本（数字）集合中提取有意义的信息起着关键作用。本文提出了一种基于非负张量分解（NTF）的数学策略，用于从新闻文章等来源中提取和排序重要活动及特定事件，该方法极大地促进了自动重建情节或确认可疑活动参与情况的能力。作为PARAFAC多维数据模型的变体，我们将NTF算法应用于VAST 2007竞赛数据集的恐怖主义场景，以展示术语 - 实体关联如何用于场景/情节发现和评估。

可视化分析是借助高度交互式视觉界面支持的分析推理科学。可视化分析工具旨在综合信息，从庞大、动态且常相互冲突的数据中获取洞察，并促进对这些数据的挖掘，以发现可验证且易于传达的预期和意外关联。可视化分析学科具有很强的跨学科性，远远超出了传统的科学和信息可视化范畴，涵盖了统计学、数学、知识表示、管理和发现技术、认知和感知科学以及决策科学等领域。

二、场景数据集

VAST 2007竞赛是IEEE VAST 2007研讨会的一个参与类别，旨在促进可视化分析基准数据集和指标的开发，并建立一个推进可视化分析评估方法的论坛。竞赛相关的数据集包括新闻报道、博客文章、背景信息和一些多媒体材料（小地图和数据表）。参赛团队被要求调查一个重大的执法/反恐场景，形成假设并收集支持证据。具体任务如下：
1. 处理文本和多媒体信息，识别感兴趣的实体（如人、地点和活动）。
2. 使用交互式可视化和其他工具直观地展示这些信息，以辅助信息分析。
3. 根据分析回答特定的竞赛问题。
4. 制作系统的视频演示，展示得出答案的过程