Fugu-MT 論文翻訳(概要): Discover Your Social Identity from What You Tweet: a Content Based Approach

論文の概要: Discover Your Social Identity from What You Tweet: a Content Based Approach

arxiv url: http://arxiv.org/abs/2003.01797v1
Date: Tue, 3 Mar 2020 21:13:12 GMT
ステータス: 処理完了
システム内更新日: 2022-12-26 22:59:58.870672
Title: Discover Your Social Identity from What You Tweet: a Content Based Approach
Title（参考訳）: ソーシャルアイデンティティをツイートから発見する:コンテンツに基づくアプローチ
Authors: Binxuan Huang and Kathleen M. Carley
Abstract要約: そこで本稿では,Twitterユーザロール識別のための階層型自己認識ニューラルネットワークを提案する。本実験は,提案モデルが複数のベースラインを著しく上回ることを示す。
参考スコア（独自算出の注目度）: 9.1832420869528
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: An identity denotes the role an individual or a group plays in highly differentiated contemporary societies. In this paper, our goal is to classify Twitter users based on their role identities. We first collect a coarse-grained public figure dataset automatically, then manually label a more fine-grained identity dataset. We propose a hierarchical self-attention neural network for Twitter user role identity classification. Our experiments demonstrate that the proposed model significantly outperforms multiple baselines. We further propose a transfer learning scheme that improves our model's performance by a large margin. Such transfer learning also greatly reduces the need for a large amount of human labeled data.
Abstract（参考訳）: アイデンティティとは、個人やグループが高度に分化した現代社会で果たす役割をいう。本稿では,twitterのユーザを役割のアイデンティティに基づいて分類することを目的とする。まず、粗粒のパブリックフィギュアデータセットを自動で収集し、さらに詳細なIDデータセットを手作業でラベル付けします。本稿では,Twitterユーザロール識別のための階層型自己認識ニューラルネットワークを提案する。本実験は,提案モデルが複数のベースラインを著しく上回ることを示す。さらに,モデルの性能を大きなマージンで向上させる転送学習方式を提案する。このような伝達学習は、大量の人間のラベル付きデータの必要性を大幅に減らす。

関連論文リスト

DoDo Learning: DOmain-DemOgraphic Transfer in Language Models for Detecting Abuse Targeted at Public Figures [8.517117322886493]
我々は、DOmains(スポーツと政治)とDemOgraphics(女性と男性)にまたがる公人を対象にしたつぶやきを分類する。少量の多様なデータが一般化やモデル適応に非常に有益であることがわかった。一部の群は、他の群よりも一般性に寄与する。
論文参考訳（メタデータ） (2023-07-31T16:29:08Z)
Improved Topic modeling in Twitter through Community Pooling [0.0]
Twitterの投稿は短いが、他のテキストよりも一貫性が低いことが多い。著者が同じコミュニティに属しているツイートをグループ化する,トピックモデリングのための新しいプール方式を提案する。その結果、我々のコミュニティポーリング手法は、2つの異種データセットの指標の大部分において、他の手法よりも優れていた。
論文参考訳（メタデータ） (2021-12-20T17:05:32Z)
Unsupervised Domain Adaptive Learning via Synthetic Data for Person Re-identification [101.1886788396803]
人物再識別(re-ID)は、ビデオ監視に広く応用されているため、ますます注目を集めている。残念なことに、主流のディープラーニング手法では、モデルをトレーニングするために大量のラベル付きデータが必要です。本稿では,コンピュータゲーム内で合成されたre-IDサンプルを自動的に生成するデータコレクタを開発し,同時にアノテートするデータラベラを構築した。
論文参考訳（メタデータ） (2021-09-12T15:51:41Z)
Going Deeper into Semi-supervised Person Re-identification [12.37129078618206]
トレーニングデータのサブセットのみをラベル付けする,半教師付きアプローチに重点を置いています。提案手法は,3つの大規模人物のre-idデータセットにおいて,最先端の結果よりも優れる。
論文参考訳（メタデータ） (2021-07-24T09:28:13Z)
Learning Multi-Attention Context Graph for Group-Based Re-Identification [214.84551361855443]
オーバーラップしていないカメラシステムを介して人々のグループを再識別または取得することを学ぶことは、ビデオ監視において重要なアプリケーションです。本研究では,グループre-idというグループを識別するためのコンテキスト情報の利用を検討する。本研究では,グループベースリドタスクを同時に処理するグラフニューラルネットワークに基づく新しい統合フレームワークを提案する。
論文参考訳（メタデータ） (2021-04-29T09:57:47Z)
HumAID: Human-Annotated Disaster Incidents Data from Twitter with Deep Learning Benchmarks [5.937482215664902]
ソーシャルメディアのコンテンツは、どんなアプリケーションでも直接使うにはうるさい。効果的な消費と意思決定を促進するために、利用可能なコンテンツをフィルタリング、分類、および簡潔に要約することが重要です。 19の災害イベントで2400万ツイートのプールから抽出された77万ツイートの大規模なデータセットを紹介します。
論文参考訳（メタデータ） (2021-04-07T12:29:36Z)
Diverse Complexity Measures for Dataset Curation in Self-driving [80.55417232642124]
トラフィックシーンの面白さを定量化する多様な基準を活用した新たなデータ選択手法を提案する。実験の結果,提案するキュレーションパイプラインは,より汎用的で高いパフォーマンスをもたらすデータセットを選択できることが判明した。
論文参考訳（メタデータ） (2021-01-16T23:45:02Z)
DomainMix: Learning Generalizable Person Re-Identification Without Human Annotations [89.78473564527688]
本稿では,ラベル付き合成データセットとラベル付き実世界のデータセットを用いてユニバーサルモデルをトレーニングする方法を示す。このように、人間のアノテーションはもはや不要であり、大規模で多様な現実世界のデータセットにスケーラブルである。実験結果から,提案手法は完全な人間のアノテーションで訓練されたアノテーションとほぼ同等であることがわかった。
論文参考訳（メタデータ） (2020-11-24T08:15:53Z)
SLADE: A Self-Training Framework For Distance Metric Learning [75.54078592084217]
我々は、追加のラベルのないデータを活用することで、検索性能を向上させるための自己学習フレームワークSLADEを提案する。まず、ラベル付きデータに基づいて教師モデルをトレーニングし、ラベルなしデータに対して擬似ラベルを生成する。次に、最終機能埋め込みを生成するために、ラベルと擬似ラベルの両方で学生モデルをトレーニングします。
論文参考訳（メタデータ） (2020-11-20T08:26:10Z)
Intra-Camera Supervised Person Re-Identification [87.88852321309433]
本稿では,カメラごとの個人識別アノテーションに基づく新しい人物識別パラダイムを提案する。これにより、最も時間がかかり、面倒なカメラ間IDラベリングプロセスがなくなる。 MATE(Multi-tAsk mulTi-labEl)Deep Learning method for intra-Camera Supervised (ICS) person re-id。
論文参考訳（メタデータ） (2020-02-12T15:26:33Z)

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。