XiaoMi-AI文件搜索系统
World File Search System消息流
使用深度学习工具对 Twitter 上的空气质量信息流进行分类
摘要。环境健康是一个新兴且备受争议的话题，涵盖多个研究领域，例如城市或农村环境污染及其对健康人群的影响。在这个跨部门力量领域，利益相关者逻辑的复杂性体现在空气质量数据和信息的生产、使用和交流中。Twitter 平台是一个“部分公共空间”，可以阐明所涉及的不同类型的利益相关者、讨论的信息和问题以及这些不同方面之间的表达动态。本文介绍了一种方法，旨在描述和表示一方面该社交媒体上消息流的流通和分发模式，另一方面描述和表示利益相关者之间交换的内容。为此，我们开发了一个基于深度学习方法的分类器，以便从头开始对消息进行分类。所提出的概念和工具方法是基于定量和定性方法的更广泛的跨学科方法的一部分，用于研究环境健康中的沟通。
Ali Nadar、Jérôme Härri。用于物联网人工智能 (AIoT) 的 AI 即服务平台。 2024. hal-04472970
摘要 — 借助去中心化的机器学习 (ML) 策略和现代边缘张量处理单元 (TPU)，智能设备不再仅仅是人工智能 (AI) 的消费者，更是其生产者，将物联网 (IoT) 转变为全球去中心化的物联网人工智能 (AIoT)。随着大量 AI 参与者的出现，不仅带来了发现和与它们建立网络的挑战，还带来了将其 AI 功能用作服务的潜力。然而，AI 参与者的异构性、它们的 AI 功能、AI 上下文环境、移动性，甚至可用或寻求的 AI 特性，不仅需要强大的 IoT 架构，还需要灵活的 AI 语义。在本文中，我们提出了一个 AI 即服务平台，帮助 AI 消费者在 AIoT 中识别适合其需求的现有 AI。我们描述了架构、API、消息流和 AI 语义，以便在需要时和需要的地点识别最合适的 AI 工作者，从而有效地从分布式车辆生成 AI 模型。作为概念验证，我们选择了一个应用场景，使用 CARLA 驾驶模拟器展示了 AI 模型根据车辆环境在车辆之间的可训练性/可更改性。索引术语 — AI 即服务、物联网 AI、机器学习、本体论、语义、驾驶模拟器、CARLA。
在推特消息中监测人们对疫苗接种的态度
摘要背景：我们开发了一个系统，可以自动对 Twitter 消息中对疫苗接种的态度进行分类，重点关注持消极态度的消息。这样的系统可以监控社交媒体上持续不断的消息流，从而提供切实可行的见解，了解公众对疫苗接种的犹豫态度。目前，这种监控是通过常规情绪分析进行的，在检测对疫苗接种的消极态度方面表现不佳。对于提到疫苗接种相关关键词的荷兰 Twitter 消息，我们注释了他们对疫苗接种的立场和感受（前提是他们提到了这个话题）。随后，我们使用这些编码数据来训练和测试不同的机器学习设置。为了最好地识别对疫苗接种持消极态度的消息，我们比较了数据集大小增加、可靠性降低、要区分的类别数量增加以及分类算法不同的设置。结果：我们发现，使用严格和宽松标记数据与更细粒度标记相结合进行训练的支持向量机产生了最佳结果，F1 得分为 0.36，ROC 曲线下面积为 0.66，远远优于当前使用的情绪分析，后者产生了 F1 得分 0.25，ROC 曲线下面积为 0.57。我们还表明，我们的系统的召回率可以优化到 0.60，而精度几乎没有损失。结论：我们的研究结果表明，仅通过计算机系统进行立场预测是一项具有挑战性的任务。尽管如此，该模型在识别负面推文方面表现出足够的召回率，从而减少了查看消息的手动工作量。我们对系统的数据和行为的分析表明，需要一种方法，在该方法中，将使用更大的训练数据集与人机交互为系统提供有关其预测的反馈的环境相结合。