論文の概要: AraNet: A Deep Learning Toolkit for Arabic Social Media

• arxiv url: http://arxiv.org/abs/1912.13072v2
• Date: Sat, 11 Apr 2020 18:31:26 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 02:15:51.531299
• Title: AraNet: A Deep Learning Toolkit for Arabic Social Media
• Title（参考訳）: AraNet: アラビアソーシャルメディアのためのディープラーニングツールキット
• Authors: Muhammad Abdul-Mageed, Chiyu Zhang, Azadeh Hashemi, El Moatez Billah Nagoudi
• Abstract要約: AraNet(アラビア語: AraNet)は、アラビアのソーシャルメディア処理ツールである。 我々は、広く公開されている新しいソーシャルメディアデータセットを利用して、年齢、方言、性別、感情、皮肉、感情を予測するために双方向エンコーダを訓練する。
• 参考スコア（独自算出の注目度）: 9.099589602551573
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We describe AraNet, a collection of deep learning Arabic social media processing tools. Namely, we exploit an extensive host of publicly available and novel social media datasets to train bidirectional encoders from transformer models (BERT) to predict age, dialect, gender, emotion, irony, and sentiment. AraNet delivers state-of-the-art performance on a number of the cited tasks and competitively on others. In addition, AraNet has the advantage of being exclusively based on a deep learning framework and hence feature engineering free. To the best of our knowledge, AraNet is the first to performs predictions across such a wide range of tasks for Arabic NLP and thus meets a critical needs. We publicly release AraNet to accelerate research and facilitate comparisons across the different tasks.
• Abstract（参考訳）: AraNetは、アラビア語の深層学習のためのソーシャルメディア処理ツールである。 具体的には,多種多様なソーシャルメディアデータセットを利用して,トランスフォーマーモデル(bert)から双方向エンコーダをトレーニングし,年齢,方言,性別,感情,皮肉,感情を予測する。 AraNetは、引用された多くのタスクと競合的に、最先端のパフォーマンスを提供する。 さらにAraNetは、ディープラーニングフレームワークのみをベースとすることで、機能エンジニアリングを無償で提供するというメリットもある。 私たちの知る限りでは、AraNetはアラビア語のNLPのための広範囲なタスクを予測し、重要なニーズを満たす最初の存在です。 AraNetを公開して研究を加速し、さまざまなタスクの比較を容易にする。

関連論文リスト

• Improving Pinterest Search Relevance Using Large Language Models [15.24121687428178]
  我々はLarge Language Models (LLM) を検索関連モデルに統合する。 提案手法では,生成的視覚言語モデルから抽出したキャプションを含むコンテンツ表現とともに検索クエリを使用する。 LLMをベースとしたモデルからリアルタイム可観測モデルアーキテクチャと特徴を抽出する。
  論文  参考訳（メタデータ） (2024-10-22T16:29:33Z)
• Tree Search for Language Model Agents [69.43007235771383]
  対話型Web環境での探索と多段階計画を行うために,LMエージェントの推論時探索アルゴリズムを提案する。 我々のアプローチは、実環境空間内で機能する最優先木探索の一形態である。 現実的なWebタスクにおいて有効性を示すLMエージェントのための最初の木探索アルゴリズムである。
  論文  参考訳（メタデータ） (2024-07-01T17:07:55Z)
• GAIA Search: Hugging Face and Pyserini Interoperability for NLP Training Data Exploration [97.68234051078997]
  我々はPyseriniを、オープンソースのAIライブラリとアーティファクトのHugging Faceエコシステムに統合する方法について論じる。 Jupyter NotebookベースのウォークスルーがGitHubで公開されている。 GAIA Search - 前述した原則に従って構築された検索エンジンで、人気の高い4つの大規模テキストコレクションへのアクセスを提供する。
  論文  参考訳（メタデータ） (2023-06-02T12:09:59Z)
• Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
  ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。 BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。 非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
  論文  参考訳（メタデータ） (2023-05-10T16:40:52Z)
• AraSpot: Arabic Spoken Command Spotting [0.0]
  この研究は、アラビア語で40のキーワードで訓練されたアラビア語のキーワードスポッティングに対して、AraSpotを提示する。 合成データ生成のためのテキスト音声モデルを訓練することにより、モデルの性能をさらに向上する。 AraSpotはステート・オブ・ザ・アーツのSOTA 99.59%を達成し、以前のアプローチより優れていた。
  論文  参考訳（メタデータ） (2023-03-29T12:22:17Z)
• Comparative Study of Sentiment Analysis for Multi-Sourced Social Media Platforms [0.0]
  本稿では,レキシコンベース,機械学習,ディープラーニングの手法を用いた比較分析を行う。 私たちが使ったデータセットは、TwitterやRedditなど、さまざまなソーシャルネットワークサイトのコメントセクションからのマルチソースデータセットでした。
  論文  参考訳（メタデータ） (2022-12-09T06:33:49Z)
• Reinforced Iterative Knowledge Distillation for Cross-Lingual Named Entity Recognition [54.92161571089808]
  言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。 既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。 半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-06-01T05:46:22Z)
• Task-Aware Neural Architecture Search [33.11791812491669]
  本稿では,ベースタスクのモデル辞書と対象タスクと辞書の原子との類似性を利用して,ニューラルアーキテクチャ探索のための新しいフレームワークを提案する。 勾配に基づく探索アルゴリズムを導入することにより、ネットワークを完全に訓練することなく、検索空間の最良のアーキテクチャを評価し、発見することができる。
  論文  参考訳（メタデータ） (2020-10-27T00:10:40Z)
• MS-RANAS: Multi-Scale Resource-Aware Neural Architecture Search [94.80212602202518]
  我々は,MS-RANAS(Multi-Scale Resource-Aware Neural Architecture Search)を提案する。 我々は,検索コストの削減を図るために,ワンショットのアーキテクチャ探索手法を採用した。 我々は精度-速度トレードオフの観点から最先端の結果を得る。
  論文  参考訳（メタデータ） (2020-09-29T11:56:01Z)
• Mining Implicit Relevance Feedback from User Behavior for Web Question Answering [92.45607094299181]
  本研究は,ユーザ行動と通過関連性との関連性を検討するための最初の研究である。 提案手法は,追加のラベル付きデータを使わずにパスランキングの精度を大幅に向上させる。 実際にこの研究は、グローバルな商用検索エンジンにおけるQAサービスの人為的ラベリングコストを大幅に削減する効果が証明されている。
  論文  参考訳（メタデータ） (2020-06-13T07:02:08Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。