Fugu-MT 論文翻訳(概要): Deep Hierarchical Classification for Category Prediction in E-commerce System

論文の概要: Deep Hierarchical Classification for Category Prediction in E-commerce System

arxiv url: http://arxiv.org/abs/2005.06692v1
Date: Thu, 14 May 2020 02:29:14 GMT
ステータス: 処理完了
システム内更新日: 2022-12-03 05:32:04.515861
Title: Deep Hierarchical Classification for Category Prediction in E-commerce System
Title（参考訳）: eコマースシステムにおけるカテゴリー予測のための深い階層分類
Authors: Dehong Gao, Wenjing Yang, Huiling Zhou, Yi Wei, Yi Hu and Hao Wang
Abstract要約: 電子商取引システムでは、カテゴリ予測は与えられたテキストのカテゴリを自動的に予測する。ニューラルネットワークにマルチスケール階層情報を組み込んだDeep Hierarchical Classificationフレームワークを提案する。また、階層的予測損失を罰する新たな複合損失関数も定義する。
参考スコア（独自算出の注目度）: 16.6932395109085
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In e-commerce system, category prediction is to automatically predict categories of given texts. Different from traditional classification where there are no relations between classes, category prediction is reckoned as a standard hierarchical classification problem since categories are usually organized as a hierarchical tree. In this paper, we address hierarchical category prediction. We propose a Deep Hierarchical Classification framework, which incorporates the multi-scale hierarchical information in neural networks and introduces a representation sharing strategy according to the category tree. We also define a novel combined loss function to punish hierarchical prediction losses. The evaluation shows that the proposed approach outperforms existing approaches in accuracy.
Abstract（参考訳）: eコマースシステムでは、カテゴリ予測は与えられたテキストのカテゴリを自動的に予測する。クラス間の関係がない従来の分類とは異なり、カテゴリは通常階層木として構成されるため、カテゴリ予測は標準的な階層的分類問題と見なされる。本稿では階層的カテゴリー予測について述べる。本稿では,ニューラルネットワークにマルチスケール階層情報を組み込んだDeep Hierarchical Classificationフレームワークを提案し,カテゴリ木に応じた表現共有戦略を提案する。また、階層的予測損失を罰する新たな複合損失関数も定義する。提案手法は既存の手法よりも精度が高いことを示す。

関連論文リスト

Learn to Categorize or Categorize to Learn? Self-Coding for Generalized Category Discovery [49.1865089933055]
テスト時に未知のカテゴリを発見できる新しい,効率的かつ自己管理手法を提案する。このアプローチの健全な特徴は、個々のデータインスタンスに最小長のカテゴリコードの割り当てである。試行錯誤による評価は, 提案手法の有効性を実証するものである。
論文参考訳（メタデータ） (2023-10-30T17:45:32Z)
Balanced Classification: A Unified Framework for Long-Tailed Object Detection [74.94216414011326]
従来の検出器は、分類バイアスによる長期データを扱う際の性能劣化に悩まされる。本稿では,カテゴリ分布の格差に起因する不平等の適応的是正を可能にする,BAlanced CLassification (BACL) と呼ばれる統一フレームワークを提案する。 BACLは、さまざまなバックボーンとアーキテクチャを持つさまざまなデータセット間で、一貫してパフォーマンス改善を実現している。
論文参考訳（メタデータ） (2023-08-04T09:11:07Z)
Hierarchical confusion matrix for classification performance evaluation [0.0]
階層的混乱行列の概念を開発し、階層的分類問題にその適用性を証明する。我々は,3つの実世界の階層的分類のベンチマークにおけるモデルを評価するために,新しい混乱行列に基づく測度を用いる。その結果、このアプローチの理性とその階層的分類問題を評価するための有用性について概説した。
論文参考訳（メタデータ） (2023-06-15T19:31:59Z)
Classifying with Uncertain Data Envelopment Analysis [0.0]
本稿では,不完全データの現実を前提とした新しい分類手法を提案する。本モデルでは、不確実なデータ包絡分析を用いて、公平な効率に対する分類の近接性を定義する。本研究は, ダウ・ジョーンズ工業平均の30株をパフォーマンスレベルに分類し, 前立腺治療を臨床効果カテゴリーに分類することで結論付けた。
論文参考訳（メタデータ） (2022-09-02T13:41:19Z)
Weakly-supervised Action Localization via Hierarchical Mining [76.00021423700497]
弱教師付きアクションローカライゼーションは、ビデオレベルの分類ラベルだけで、与えられたビデオ内のアクションインスタンスを時間的にローカライズし、分類することを目的としている。ビデオレベルおよびスニペットレベルでの階層的マイニング戦略,すなわち階層的監視と階層的一貫性マイニングを提案する。我々は、HiM-NetがTHUMOS14とActivityNet1.3データセットの既存の手法よりも、階層的に監督と一貫性をマイニングすることで、大きなマージンを持つことを示す。
論文参考訳（メタデータ） (2022-06-22T12:19:09Z)
A Top-down Supervised Learning Approach to Hierarchical Multi-label Classification in Networks [0.21485350418225244]
本稿では,階層型マルチラベル分類(HMC)に対する一般的な予測モデルを提案する。クラスごとの局所分類器を構築することで教師あり学習により階層的マルチラベル分類に対処するトップダウン分類アプローチに基づいている。本モデルでは, イネOryza sativa Japonicaの遺伝子機能の予測について事例研究を行った。
論文参考訳（メタデータ） (2022-03-23T17:29:17Z)
On Clustering Categories of Categorical Predictors in Generalized Linear Models [0.0]
本稿では,分類予測器の存在下での一般化線形モデルの複雑性を低減する手法を提案する。各カテゴリがダミー変数で表される従来のワンホット符号化は、無駄で解釈が難しく、過度に適合する傾向がある。本稿では,カテゴリをクラスタリングすることでカテゴリ予測器の表現を小さくすることで,これらの課題に対処する。
論文参考訳（メタデータ） (2021-10-19T15:36:35Z)
Inducing a hierarchy for multi-class classification problems [11.58041597483471]
分類的ラベルが自然な階層に従ったアプリケーションでは、ラベル構造を利用する分類方法は、そうでないものをしばしば上回る。本稿では,フラット分類器に対する分類性能を向上できる階層構造を誘導する手法のクラスについて検討する。原理シミュレーションと3つの実データアプリケーションにおいて、潜入階層の発見と精度向上のためのメソッドのクラスの有効性を実証する。
論文参考訳（メタデータ） (2021-02-20T05:40:42Z)
Coherent Hierarchical Multi-Label Classification Networks [56.41950277906307]
C-HMCNN(h)はHMC問題に対する新しいアプローチであり、階層情報を利用して制約に整合した予測を生成し、性能を向上させる。最先端モデルと比較してC-HMCNN(h)の優れた性能を示す広範囲な実験的検討を行った。
論文参考訳（メタデータ） (2020-10-20T09:37:02Z)
Equivalent Classification Mapping for Weakly Supervised Temporal Action Localization [92.58946210982411]
微弱に監督された時間的行動の局所化は近年、新しく広く研究されているトピックである。事前分類パイプラインは、まず、各ビデオスニペットの分類を行い、次いで、スニペットレベルの分類スコアを集約して、ビデオレベルの分類スコアを得る。後分類パイプラインは、まずスニペットレベルの特徴を集約し、集約された特徴に基づいてビデオレベルの分類スコアを予測する。
論文参考訳（メタデータ） (2020-08-18T03:54:56Z)
Fine-Grained Visual Classification with Efficient End-to-end Localization [49.9887676289364]
本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
論文参考訳（メタデータ） (2020-05-11T14:07:06Z)

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。