論文の概要: Similarit\`a per la ricerca del dominio di una frase

• arxiv url: http://arxiv.org/abs/2002.00757v1
• Date: Fri, 31 Jan 2020 09:37:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-05 06:31:14.567603
• Title: Similarit\`a per la ricerca del dominio di una frase
• Title（参考訳）: ドミニオ・デル・ドミニオ・ディ・ナ・フラーズの類似性
• Authors: Massimiliano Morrelli, Giacomo Pansini, Massimiliano Polito, Arturo Vitale
• Abstract要約: 本論文は、特定の文書の関連ドメインへの属を検証するための最良のアルゴリズムを研究することを目的とする。 Apache Sparkフレームワークで利用可能な構造の助けを借りて実現されている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: English. This document aims to study the best algorithms to verify the belonging of a specific document to a related domain by comparing different methods for calculating the distance between two vectors. This study has been made possible with the help of the structures made available by the Apache Spark framework. Starting from the study illustrated in the publication "New frontier of textual classification: Big data and distributed calculus" by Massimiliano Morrelli et al., We wanted to carry out a study on the possible implementation of a solution capable of calculating the Similarity of a sentence using the distributed environment. Italiano. Il presente documento persegue l'obiettivo di studiare gli algoritmi migliori per verificare l'appartenenza di un determinato documento a un relativo dominio tramite un confronto di diversi metodi per il calcolo della distanza fra due vettori. Tale studio \`e stato condotto con l'ausilio delle strutture messe a disposizione dal framework Apache Spark. Partendo dallo studio illustrato nella pubblicazione "Nuova frontiera della classificazione testuale: Big data e calcolo distribuito" di Massimiliano Morrelli et al., si \`e voluto realizzare uno studio sulla possibile implementazione di una soluzione in grado di calcolare la Similarit\`a di una frase sfruttando l'ambiente distribuito.
• Abstract（参考訳）: 英語だ この文書は、2つのベクトル間の距離を計算する異なる方法を比較することによって、特定の文書の関連領域への帰属を検証する最良のアルゴリズムを研究することを目的としている。 この研究は、Apache Sparkフレームワークで利用可能な構造の助けを借りて実現された。 massimiliano morrelliらによる論文"new frontier of textual classification: big data and distributed calculus"で紹介された研究から始め、分散環境を用いて文章の類似性を計算可能な解の実装の可能性についての研究を行おうとした。 イタリア人。 Il presente documento persegue l'obiettivo di studiare gli algoritmi migliori per verificare l'appartenza di un determinato documento a un relativo dominio tramite un confronto di diversi metodi per il calcolo della distanza fra due vettori。 Tale studio \`e stato condotto con l'ausilio delle strutture messe a disposizione dal framework Apache Spark。 Partendo dallo studio illustrato nella pubblicazione "Nuova frontiera della classificazione testuale: Big data e calcolo Distribuito" di Massimiliano Morrelli et al., si \`e voluto realizzare uno studio sulla possibile implementazione di una soluzione in grado di calcolare la similarit\`a di una frase sfruttando l'ambiente distribuito.. ^ ^ ダロ・スタジオ・ファウストラ・デッラ・プブブブリオーネ(英語版)

関連論文リスト

• Masked Image Modeling: A Survey [73.21154550957898]
  マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。 我々は近年,分類学を構築し,最も顕著な論文をレビューしている。 我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
  論文  参考訳（メタデータ） (2024-08-13T07:27:02Z)
• Table-Filling via Mean Teacher for Cross-domain Aspect Sentiment Triplet Extraction [30.2200481149647]
  クロスドメイン・アスペクト・インスペクティブ・トリプレット抽出(ASTE)は、対象のドメイン文からきめ細かい感情要素を抽出することを目的としている。 textbfMean textbfTeacher (TFMT) を用いた textbfTable-textbfFilling という新しい手法を提案する。 提案手法は,最小パラメータと計算コストで最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-07-23T09:04:08Z)
• Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
  我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。 関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。 本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
  論文  参考訳（メタデータ） (2023-10-13T07:40:12Z)
• Multivariate Representation Learning for Information Retrieval [31.31440742912932]
  本稿では,高密度検索のための新しい表現学習フレームワークを提案する。 クエリやドキュメント毎にベクトルを学習する代わりに、我々のフレームワークは多変量分布を学習する。 近似した近似近似アルゴリズムにシームレスに統合できることが示される。
  論文  参考訳（メタデータ） (2023-04-27T20:30:46Z)
• Bidirectional Domain Mixup for Domain Adaptive Semantic Segmentation [73.3083304858763]
  本稿では,ドメイン適応型セマンティックセグメンテーションタスクにおけるミックスアップの影響を系統的に研究する。 具体的には、ドメインミックスアップをカットとペーストという2ステップで実現します。 フレームワークの主なコンポーネントを実証的に検証するために、広範囲にわたるアブレーション実験を行います。
  論文  参考訳（メタデータ） (2023-03-17T05:22:44Z)
• LeQua@CLEF2022: Learning to Quantify [76.22817970624875]
  LeQua 2022は、テキストデータセットで'を定量化する方法を評価するための新しい実験室である。 本研究の目的は、バイナリ設定とシングルラベルのマルチクラス設定の両方において、学習方法の比較評価のための設定を提供することである。
  論文  参考訳（メタデータ） (2021-11-22T14:54:20Z)
• A Proposed Conceptual Framework for a Representational Approach to Information Retrieval [42.67826268399347]
  本稿では,情報検索と自然言語処理における最近の発展を理解するための概念的枠組みについて概説する。 本稿では,コアテキスト検索問題を論理的スコアリングモデルと物理的検索モデルに分解する表現的アプローチを提案する。
  論文  参考訳（メタデータ） (2021-10-04T15:57:02Z)
• Efficient Clustering from Distributions over Topics [0.0]
  本稿では,類似度関数を計算可能な文書の小さなサブセットを識別する手段として,コレクション内の文書上のトピックモデリングアルゴリズムの結果に依存するアプローチを提案する。 このアプローチは、科学出版分野における類似文書の特定において、有望な結果を得ることが証明されている。
  論文  参考訳（メタデータ） (2020-12-15T10:52:19Z)
• A Survey of Embedding Space Alignment Methods for Language and Knowledge Graphs [77.34726150561087]
  単語,文,知識グラフの埋め込みアルゴリズムに関する現在の研究状況について調査する。 本稿では、関連するアライメント手法の分類と、この研究分野で使用されるベンチマークデータセットについて論じる。
  論文  参考訳（メタデータ） (2020-10-26T16:08:13Z)
• Fewer is More: A Deep Graph Metric Learning Perspective Using Fewer Proxies [65.92826041406802]
  本稿では,グラフ分類の観点から,プロキシベースのディープグラフメトリックラーニング手法を提案する。 複数のグローバルプロキシを利用して、各クラスの元のデータポイントを総括的に近似する。 本研究では, 近接関係を接地トラス・ラベルに従って調整する, 新たな逆ラベル伝搬アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-10-26T14:52:42Z)
• Addestramento con Dataset Sbilanciati [0.0]
  トレーニングに使用されるデータセットは、Webチャネルで発生した単純なフレーズや会話からの抽出など、短文と中文で構成されている。 モデルのトレーニングは、Apache Sparkフレームワークで利用可能な構造の助けを借りて行われる。
  論文  参考訳（メタデータ） (2020-08-18T07:47:38Z)

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。