論文の概要: Mining Shape of Expertise: A Novel Approach Based on Convolutional Neural Network

• arxiv url: http://arxiv.org/abs/2004.02184v1
• Date: Sun, 5 Apr 2020 12:44:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-16 13:20:48.782292
• Title: Mining Shape of Expertise: A Novel Approach Based on Convolutional Neural Network
• Title（参考訳）: 専門知識のマイニング形:畳み込みニューラルネットワークに基づく新しいアプローチ
• Authors: Mahdi Dehghan, Hossein A. Rahmani, Ahmad Ali Abin, Viet-Vu Vu
• Abstract要約: 知識のある人材を求職者に求めているリクルーターは、エキスパート発見システムの最も重要な顧客である。 この懸念に対処する効果的な解決策は、コスト効率のよいT字型のエキスパートを雇うことです。 我々は、畳み込みニューラルネットワークに基づくT字型エキスパートのための新しい深層モデルを提案した。
• 参考スコア（独自算出の注目度）: 4.129225533930966
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Expert finding addresses the task of retrieving and ranking talented people on the subject of user query. It is a practical issue in the Community Question Answering networks. Recruiters looking for knowledgeable people for their job positions are the most important clients of expert finding systems. In addition to employee expertise, the cost of hiring new staff is another significant concern for organizations. An efficient solution to cope with this concern is to hire T-shaped experts that are cost-effective. In this study, we have proposed a new deep model for T-shaped experts finding based on Convolutional Neural Networks. The proposed model tries to match queries and users by extracting local and position-invariant features from their corresponding documents. In other words, it detects users' shape of expertise by learning patterns from documents of users and queries simultaneously. The proposed model contains two parallel CNN's that extract latent vectors of users and queries based on their corresponding documents and join them together in the last layer to match queries with users. Experiments on a large subset of Stack Overflow documents indicate the effectiveness of the proposed method against baselines in terms of NDCG, MRR, and ERR evaluation metrics.
• Abstract（参考訳）: エキスパート発見は、ユーザクエリの対象となる有能な人材を検索し、ランク付けするタスクに対処する。 これはコミュニティ質問回答ネットワークにおける実践的な問題である。 求人に知識のある人材を探しているリクルーターは、専門家探しシステムの最も重要な顧客である。 従業員の専門知識に加えて、新しいスタッフを採用するコストも組織にとって重要な懸念事項である。 この懸念に対処する効果的な解決策は、コスト効率のよいT字型のエキスパートを雇うことです。 本研究では,畳み込みニューラルネットワークに基づくT字型エキスパートのための新しい深層モデルを提案する。 提案モデルでは,クエリとユーザを対応文書から局所的および位置不変な特徴を抽出することによってマッチングを試みる。 言い換えれば、ユーザのドキュメントとクエリのパターンを同時に学習することで、ユーザの専門知識の形状を検出する。 提案モデルには2つの並列CNNが組み込まれており、それに対応する文書に基づいてユーザとクエリの潜在ベクトルを抽出し、最後のレイヤでそれらを結合してユーザとクエリをマッチングする。 Stack Overflowドキュメントの大規模なサブセットに関する実験は、提案手法がNDCG, MRR, ERR評価指標のベースラインに対して有効であることを示す。

関連論文リスト

• Learning to Retrieve for Job Matching [22.007634436648427]
  本稿では、LinkedInの求人・推薦システムを強化するための学習検索技術の適用について論じる。 確認された雇用データを利用して求職者の求職資格を評価するグラフを構築し、学習したリンクを検索に活用する。 従来の逆インデックスに基づく解に加えて、KNNと項マッチングの両方を効率的にサポートできるon-GPUソリューションを開発した。
  論文  参考訳（メタデータ） (2024-02-21T00:05:25Z)
• The Shifted and The Overlooked: A Task-oriented Investigation of User-GPT Interactions [114.67699010359637]
  実際のユーザクエリの大規模なコレクションをGPTに解析する。 ユーザインタラクションでは'設計'や'計画'といったタスクが一般的だが,従来のNLPベンチマークとは大きく異なる。
  論文  参考訳（メタデータ） (2023-10-19T02:12:17Z)
• Learning to Retrieve Engaging Follow-Up Queries [12.380514998172199]
  ユーザが持つ可能性のある次の質問を予測するための検索ベースシステムと関連するデータセットを提案する。 このようなシステムは,ユーザの知識探索を積極的に支援することで,より活発な対話を実現する。
  論文  参考訳（メタデータ） (2023-02-21T20:26:23Z)
• Incorporating Relevance Feedback for Information-Seeking Retrieval using Few-Shot Document Re-Ranking [56.80065604034095]
  我々は,クエリとユーザが関連すると考えるドキュメントとの類似性に基づいて,文書を再参照するkNNアプローチを提案する。 異なる統合戦略を評価するため、既存の4つの情報検索データセットを関連フィードバックシナリオに変換する。
  論文  参考訳（メタデータ） (2022-10-19T16:19:37Z)
• Diversified Dynamic Routing for Vision Tasks [36.199659460868496]
  本稿では,各レイヤが専門家の集合で構成された新しいアーキテクチャを提案する。 本手法では,データのパーティショニングに関する課題を解決するために,モデルを明示的に訓練する。 都市景観のセマンティックセグメンテーションとMS-COCOのオブジェクト検出とインスタンスセグメンテーションについていくつかの実験を行った。
  論文  参考訳（メタデータ） (2022-09-26T23:27:51Z)
• Broad Recommender System: An Efficient Nonlinear Collaborative Filtering Approach [56.12815715932561]
  我々はBroad Collaborative Filtering (BroadCF)と呼ばれる新しい広帯域リコメンデータシステムを提案する。 深層ニューラルネットワーク(DNN)の代わりに、ユーザとアイテム間の複雑な非線形関係を学習するためのマッピング機能として、Broad Learning System(BLS)が使用されている。 7つのベンチマークデータセットで実施された大規模な実験により、提案したBroadCFアルゴリズムの有効性が確認された。
  論文  参考訳（メタデータ） (2022-04-20T01:25:08Z)
• BCFNet: A Balanced Collaborative Filtering Network with Attention Mechanism [106.43103176833371]
  協調フィルタリング(CF)ベースの推奨方法が広く研究されている。 BCFNet(Balanced Collaborative Filtering Network)という新しい推薦モデルを提案する。 さらに注意機構は、暗黙のフィードバックの中で隠れた情報をよりよく捉え、ニューラルネットワークの学習能力を強化するように設計されている。
  論文  参考訳（メタデータ） (2021-03-10T14:59:23Z)
• A Deep Hybrid Model for Recommendation Systems [0.0]
  我々は,ID埋め込みだけでなく,求人情報の特徴や求人システム候補などの補助情報も含む新しいディープニューラルネットワークアーキテクチャを提案する。 ジョブサイトからのデータセットに対する実験結果から,提案手法は,ID埋め込みを用いたディープラーニングモデルよりも推奨結果を改善することが示された。
  論文  参考訳（メタデータ） (2020-09-21T10:41:28Z)
• 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)
• Mining Implicit Entity Preference from User-Item Interaction Data for Knowledge Graph Completion via Adversarial Learning [82.46332224556257]
  本稿では,知識グラフ補完タスクにおけるユーザインタラクションデータを活用することで,新たな逆学習手法を提案する。 我々のジェネレータはユーザインタラクションデータから分離されており、識別器の性能を向上させるのに役立ちます。 利用者の暗黙の実体的嗜好を発見するために,グラフニューラルネットワークに基づく精巧な協調学習アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-28T05:47:33Z)

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。

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。