Prispevek opisuje uporabo algoritmov strojnega učenja na podatkih o mobilnosti uporabnikov za potrebe prepoznavanja in razumevanja potencialno zanimivih dogodkov. Podatki za to raziskavo so bili zbrani iz vzorca uporabnikov, ki so privolili v spremljanje s pomočjo lastne razvite aplikacije pametnih telefonov. Pilotna študija, ki vključuje 227 uporabnikov, ki so jih spremljali v obdobju 7 let, prinaša dokaj pozitivne rezultate ocenjevanja v smislu napovedne točnosti opredeljenih dogodkov, vendar uspe identificirati izključno "dobro znane" dogodke. To kaže, da so metode strojnega učenja lahko primerna izbira za prepoznavanje dogodkov v podatkih o mobilnosti, vendar še vedno obstaja prostor izboljšava.
COBISS.SI-ID: 32861735
V prispevku je predstavljen pristop k napovedovanju prihodnjega razvoja znanstvenih raziskav na podlagi znanstvenih publikacij iz preteklih dveh stoletij. Na podatkovni zbirki "Microsoft Academic Graph" smo uporabili metode strojnega učenja. Naši eksperimentalni rezultati kažejo, da je najboljši dosežek pri porast pogostnosti tem v zadnjih 5 letih v primerjavi s prejšnjimi 10 leti. V tem primeru naš model doseže natančnost 74,3, priklic 71,7 in F1 73,0. Nekaj tem, ki jih je naš model označil za obetavne, so: protonski trki protonov, Higgsov bozon, kvark, hadron, mobilna razširjena resničnost, spremenljiv kvant, simulacije molekularne dinamike, hadronična končna stanja, iskanje temne snovi.
COBISS.SI-ID: 32857895