Fugu-MT 論文翻訳(概要): Will-They-Won't-They: A Very Large Dataset for Stance Detection on Twitter

論文の概要: Will-They-Won't-They: A Very Large Dataset for Stance Detection on Twitter

arxiv url: http://arxiv.org/abs/2005.00388v1
Date: Fri, 1 May 2020 14:10:37 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 23:46:04.522805
Title: Will-They-Won't-They: A Very Large Dataset for Stance Detection on Twitter
Title（参考訳）: Will-They-Won't-They:Twitter上のスタンス検出のための膨大なデータセット
Authors: Costanza Conforti and Jakob Berndt and Mohammad Taher Pilehvar and Chryssi Giannitsarou and Flavio Toxvaerd and Nigel Collier
Abstract要約: Will-They-Won't-Theyデータセットには英語で51,284のつぶやきが含まれている。このデータセットは、将来のスタンス検出研究のための高品質で信頼性の高いベンチマークを構成する。
参考スコア（独自算出の注目度）: 29.55530008423981
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present a new challenging stance detection dataset, called Will-They-Won't-They (WT-WT), which contains 51,284 tweets in English, making it by far the largest available dataset of the type. All the annotations are carried out by experts; therefore, the dataset constitutes a high-quality and reliable benchmark for future research in stance detection. Our experiments with a wide range of recent state-of-the-art stance detection systems show that the dataset poses a strong challenge to existing models in this domain.
Abstract（参考訳）: Will-They-Won't-They (WT-WT)と呼ばれる、英語で51,284のつぶやきを含む、新しい挑戦的なスタンス検出データセットを提案する。すべてのアノテーションは専門家によって実行されるため、データセットは将来のスタンス検出研究のための高品質で信頼性の高いベンチマークを構成する。最近の最先端のスタンス検出システムを用いた実験により,この領域の既存モデルに対して,データセットが強い課題となることが示された。

関連論文リスト

UniTraj: A Unified Framework for Scalable Vehicle Trajectory Prediction [93.77809355002591]
さまざまなデータセット、モデル、評価基準を統一する包括的なフレームワークであるUniTrajを紹介する。我々は広範な実験を行い、他のデータセットに転送するとモデルの性能が大幅に低下することがわかった。これらの知見を説明するために,データセットの特徴に関する洞察を提供する。
論文参考訳（メタデータ） (2024-03-22T10:36:50Z)
SARDet-100K: Towards Open-Source Benchmark and ToolKit for Large-Scale SAR Object Detection [79.23689506129733]
我々は,大規模SARオブジェクト検出のための新しいベンチマークデータセットとオープンソース手法を構築した。私たちのデータセットであるSARDet-100Kは、10の既存のSAR検出データセットの厳格な調査、収集、標準化の結果です。私たちの知る限りでは、SARDet-100KはCOCOレベルの大規模マルチクラスSARオブジェクト検出データセットとしては初めてのものです。
論文参考訳（メタデータ） (2024-03-11T09:20:40Z)
LargeST: A Benchmark Dataset for Large-Scale Traffic Forecasting [65.71129509623587]
道路交通予測はスマートシティのイニシアチブにおいて重要な役割を担い、ディープラーニングの力によって大きな進歩を遂げている。しかし、現在の公開データセットで達成される有望な結果は、現実的なシナリオには適用できないかもしれない。カリフォルニアで合計8,600のセンサーと5年間の時間カバレッジを含む、LargeSTベンチマークデータセットを紹介します。
論文参考訳（メタデータ） (2023-06-14T05:48:36Z)
Large Scale Real-World Multi-Person Tracking [68.27438015329807]
本稿では,新しい大規模多人数追跡データセットであるtexttPersonPath22を提案する。 MOT17、HiEve、MOT20などの高品質なマルチオブジェクト追跡データセットよりも桁違いに大きい。
論文参考訳（メタデータ） (2022-11-03T23:03:13Z)
SOMPT22: A Surveillance Oriented Multi-Pedestrian Tracking Dataset [5.962184741057505]
我々はSOMPT22データセットを紹介した。これは、都市監視のための高さ6-8mのポール上の静止カメラから撮影した注釈付きショートビデオを備えた、複数人の追跡のための新しいセットである。我々は,新しいデータセット上での検出とreIDネットワークの利用方法について,MOTトラッカーをワンショットと2ステージに分類して分析する。我々の新しいデータセットの実験結果から、SOTAは依然として高効率には程遠いことが示され、シングルショットトラッカーは高速実行と精度を競合性能と一体化するための良い候補である。
論文参考訳（メタデータ） (2022-08-04T11:09:19Z)
BigDetection: A Large-scale Benchmark for Improved Object Detector Pre-training [44.32782190757813]
我々はBigDetectionと呼ばれる新しい大規模ベンチマークを構築した。私たちのデータセットには600のオブジェクトカテゴリがあり、3.4M以上のトレーニングイメージと36Mのバウンディングボックスが含まれています。
論文参考訳（メタデータ） (2022-03-24T17:57:29Z)
Hindsight is 20/20: Leveraging Past Traversals to Aid 3D Perception [59.2014692323323]
小さな、遠く、あるいは非常に隠蔽された物体は、検出するためのLiDAR点雲に限られた情報があるため、特に困難である。本稿では,過去データから文脈情報を抽出する,エンドツーエンドのトレーニング可能な新しいフレームワークを提案する。このフレームワークは現代のほとんどの3D検出アーキテクチャと互換性があり、複数の自律走行データセットの平均精度を大幅に向上させることができる。
論文参考訳（メタデータ） (2022-03-22T00:58:27Z)
DALES: A Large-scale Aerial LiDAR Data Set for Semantic Segmentation [8.486713415198972]
我々は,5億点以上の手札を持つ大規模LiDARデータセットであるDayton Annotated LiDAR Earth Scan (DALES)データセットを提示する。 DALESは400倍以上の点数と6倍の分解能を持つ、最も広く公開されているALSデータセットである。
論文参考訳（メタデータ） (2020-04-14T20:05:28Z)
Stance Detection Benchmark: How Robust Is Your Stance Detection? [65.91772010586605]
Stance Detection (StD) は、あるトピックやクレームに対する著者の姿勢を検出することを目的としている。マルチデータセット学習環境において、さまざまなドメインの10のStDデータセットから学習するStDベンチマークを導入する。このベンチマーク設定では、5つのデータセットに新しい最先端結果を表示することができます。
論文参考訳（メタデータ） (2020-01-06T13:37:51Z)

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。