Fugu-MT 論文翻訳(概要): Concept Embedding for Information Retrieval

論文の概要: Concept Embedding for Information Retrieval

arxiv url: http://arxiv.org/abs/2002.01071v1
Date: Sat, 1 Feb 2020 09:18:56 GMT
ステータス: 処理完了
システム内更新日: 2023-01-05 00:38:09.689057
Title: Concept Embedding for Information Retrieval
Title（参考訳）: 情報検索のための概念埋め込み
Authors: Karam Abdulahhad
Abstract要約: 単語ベクトルに基づく概念ベクトルを構築するための3つの方法を提案する。ベクトルに基づく測度を用いて概念間の類似性を推定する。これは概念的な索引付けプロセスを改善するために使われる。
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: Concepts are used to solve the term-mismatch problem. However, we need an effective similarity measure between concepts. Word embedding presents a promising solution. We present in this study three approaches to build concepts vectors based on words vectors. We use a vector-based measure to estimate inter-concepts similarity. Our experiments show promising results. Furthermore, words and concepts become comparable. This could be used to improve conceptual indexing process.
Abstract（参考訳）: 概念はミスマッチ問題の解決に使用される。しかし、概念間の効果的な類似性尺度が必要である。単語埋め込みは有望な解決策である。本稿では,単語ベクトルに基づく概念ベクトル構築のための3つの手法を提案する。ベクトルに基づく測度を用いて概念間の類似性を推定する。我々の実験は有望な結果を示している。さらに、言葉と概念は同等になる。これは概念的なインデクシングプロセスを改善するのに使うことができる。

関連論文リスト

Discover-then-Name: Task-Agnostic Concept Bottlenecks via Automated Concept Discovery [52.498055901649025]
ディープニューラルネットワークの「ブラックボックス」問題に対処するために、概念ボトルネックモデル(CBM)が提案されている。本稿では,典型的なパラダイムを逆転させる新しいCBMアプローチであるDiscover-then-Name-CBM(DN-CBM)を提案する。我々の概念抽出戦略は、下流のタスクに非依存であり、既にそのモデルに知られている概念を使用するため、効率的である。
論文参考訳（メタデータ） (2024-07-19T17:50:11Z)
A Concept-Based Explainability Framework for Large Multimodal Models [52.37626977572413]
本稿では,トークン表現に適用した辞書学習に基づくアプローチを提案する。これらの概念は、視覚とテキストの両方に意味論的に根ざしていることを示す。抽出したマルチモーダル概念は,テストサンプルの表現の解釈に有用であることを示す。
論文参考訳（メタデータ） (2024-06-12T10:48:53Z)
Improving Image Captioning via Predicting Structured Concepts [46.88858655641866]
本研究では,概念とその構造を予測するための構造的概念予測器を提案し,それをキャプションに統合する。我々は、単語依存によって駆動される概念関係を記述するために、重み付きグラフ畳み込みネットワーク(W-GCN)を設計する。提案手法は,概念間の潜在的な関係を捉え,異なる概念を識別的に学習することにより,画像キャプションの継承を容易にする。
論文参考訳（メタデータ） (2023-11-14T15:01:58Z)
Simple Mechanisms for Representing, Indexing and Manipulating Concepts [46.715152257557804]
我々は、概念の具体的な表現やシグネチャを生成するために、そのモーメント統計行列を見ることで概念を学ぶことができると論じる。概念が交差しているとき、概念のシグネチャを使用して、関連する多くの相互交差した概念の共通テーマを見つけることができる。
論文参考訳（メタデータ） (2023-10-18T17:54:29Z)
Distilling Semantic Concept Embeddings from Contrastively Fine-Tuned Language Models [39.514266900301294]
言語モデルを使用する現在の戦略は、あるコーパスにおける言及の文脈化された表現を平均化することによって概念を表現するのが一般的である。本稿では,2つの文が類似した性質を示すとき,対応する文脈化されたベクトルも類似するべきであるという見解に基づいて,2つの対照的な学習戦略を提案する。 1つの戦略は、文脈化された単語埋め込みの近傍構造から文で表される特性を推定する、完全に教師なしである。第2の戦略は、ConceptNetからの遠方の監視信号に依存する。
論文参考訳（メタデータ） (2023-05-16T20:17:02Z)
Concept Gradient: Concept-based Interpretation Without Linear Assumption [77.96338722483226]
概念活性化ベクトル(Concept Activation Vector, CAV)は、与えられたモデルと概念の潜在表現の間の線形関係を学習することに依存する。我々は、線形概念関数を超えて概念に基づく解釈を拡張する概念グラディエント(CG)を提案した。我々は、CGがおもちゃの例と実世界のデータセットの両方でCAVより優れていることを実証した。
論文参考訳（メタデータ） (2022-08-31T17:06:46Z)
Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文参考訳（メタデータ） (2022-01-01T05:15:42Z)
Towards Visual Semantics [17.1623244298824]
私たちは、人間の視覚的知覚の精神表現、すなわち概念の構築方法を研究します。本稿では,分類概念と呼ばれる概念に対応する物質概念を学習する理論とアルゴリズムを提案する。予備的な実験は、アルゴリズムが正しい精度で属と分化の概念を取得することを証明している。
論文参考訳（メタデータ） (2021-04-26T07:28:02Z)
On the Learnability of Concepts: With Applications to Comparing Word Embedding Algorithms [0.0]
セマンティックコンテンツを共有した単語の一覧として「概念」の概念を導入する。まず、この概念を用いて、事前訓練された単語埋め込みにおける概念の学習可能性を測定する。そこで我々は,様々な埋め込みアルゴリズムの相対的メリットを比較するために,仮説テストとROC曲線に基づく概念学習可能性の統計的解析を開発した。
論文参考訳（メタデータ） (2020-06-17T14:25:36Z)
Medical Concept Normalization in User Generated Texts by Learning Target Concept Embeddings [5.33024001730262]
最近の研究は、テキスト分類またはテキストマッチングとして、正規化の概念を定めている。提案モデルでは,入力概念の参照とターゲット概念の表現を共同で学習することで,これらの欠点を克服する。我々のモデルは、精度を2.31%向上させることで、3つの標準データセットにまたがる既存のメソッドをすべて上回ります。
論文参考訳（メタデータ） (2020-06-07T01:17:18Z)

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。