Fugu-MT 論文翻訳(概要): Experiments on Paraphrase Identification Using Quora Question Pairs Dataset

論文の概要: Experiments on Paraphrase Identification Using Quora Question Pairs Dataset

arxiv url: http://arxiv.org/abs/2006.02648v2
Date: Fri, 5 Jun 2020 03:38:51 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 08:58:14.486331
Title: Experiments on Paraphrase Identification Using Quora Question Pairs Dataset
Title（参考訳）: Quora Question Pairsデータセットを用いたパラフレーズ識別実験
Authors: Andreas Chandra, Ruben Stefanus
Abstract要約: 類似した質問を識別するために、Quoraの質問ペアデータセットをモデル化した。使用するデータセットはQuoraによって提供されます。従来の手法と異なる手法,アルゴリズム,アプローチを試した。
参考スコア（独自算出の注目度）: 3.222802562733787
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We modeled the Quora question pairs dataset to identify a similar question. The dataset that we use is provided by Quora. The task is a binary classification. We tried several methods and algorithms and different approach from previous works. For feature extraction, we used Bag of Words including Count Vectorizer, and Term Frequency-Inverse Document Frequency with unigram for XGBoost and CatBoost. Furthermore, we also experimented with WordPiece tokenizer which improves the model performance significantly. We achieved up to 97 percent accuracy. Code and Dataset.
Abstract（参考訳）: 同様の質問を特定するために、quora question pairsデータセットをモデル化しました。使用するデータセットはQuoraによって提供されます。タスクはバイナリ分類です。従来の手法と異なる手法,アルゴリズム,アプローチを試した。特徴抽出にはBag of Words,例えば Count Vectorizer と Term Frequency-Inverse Document Frequency with unigram for XGBoost and CatBoost を用いた。さらに,モデル性能を大幅に向上させるワードピーストークン化も行った。 97パーセントの精度で達成しましたコードとデータセット。

関連論文リスト

Multi-Document Financial Question Answering using LLMs [0.5120567378386615]
複数文書の財務質問応答のための2つの新しい手法を提案する。まず、セマンティックタグを使用するメソッドで、次にインデックスをクエリしてコンテキストを取得する(RAG_SEM)。第2に,意味的タグ付けを用いた知識グラフ(KG_RAG)に基づく手法で,グラフデータベースから知識グラフのトリプルをコンテキストとして検索する。
論文参考訳（メタデータ） (2024-11-08T21:03:54Z)
Differentially Private Heavy Hitter Detection using Federated Analytics [33.69819799254375]
本研究では,プレフィックスツリーに基づくアルゴリズムの性能向上のための実用性について検討する。我々のモデルは、各ユーザが複数のデータポイントを持っていると仮定し、その目標は、すべてのユーザのデータを集約的および局所的な差分プライバシーで可能な限り多くの最も頻繁なデータポイントを学習することである。
論文参考訳（メタデータ） (2023-07-21T17:59:15Z)
A Benchmark and Scoring Algorithm for Enriching Arabic Synonyms [0.0]
モノ/マルチリンガルシンセットとしきい値(ファジィ値[0-1])が与えられた場合、我々のゴールは既存のレキシコンからこのしきい値の上に新しい同義語を抽出することである。データセットは500シンセットの3K候補シノニムで構成されている。評価の結果,アルゴリズムは言語学者のように振る舞うことができ,ファジィ値は言語学者が提案したものに近いことがわかった。
論文参考訳（メタデータ） (2023-02-04T20:30:32Z)
Semantic Parsing for Conversational Question Answering over Knowledge Graphs [63.939700311269156]
本研究では,ユーザの質問にSparqlパースとアノテートし,システム回答が実行結果に対応するデータセットを開発する。本稿では,2つの意味解析手法を提案し,その課題を強調した。私たちのデータセットとモデルはhttps://github.com/Edinburgh/SPICE.orgで公開されています。
論文参考訳（メタデータ） (2023-01-28T14:45:11Z)
Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文参考訳（メタデータ） (2022-12-17T05:25:17Z)
Robust Meta-learning with Sampling Noise and Label Noise via Eigen-Reptile [78.1212767880785]
Meta-learnerは、利用可能なサンプルがわずかしかないため、過度に適合する傾向がある。ノイズの多いラベルでデータを扱う場合、メタラーナーはラベルノイズに対して非常に敏感になる可能性がある。本稿では,タスク固有のパラメータの主要な方向でメタパラメータを更新するEigen-Reptile(ER)を提案する。
論文参考訳（メタデータ） (2022-06-04T08:48:02Z)
An Empirical Study on Few-shot Knowledge Probing for Pretrained Language Models [54.74525882974022]
1ホップと2ホップの双方において、いくつかの例は、探索性能を強く向上させることができることを示す。特に、モデル内のバイアスベクトルを微調整する単純なyet効果のアプローチが、既存のプロンプトエンジニアリング手法より優れていることが分かる。
論文参考訳（メタデータ） (2021-09-06T23:29:36Z)
Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。 2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
論文参考訳（メタデータ） (2021-04-18T06:17:54Z)
Combining word embeddings and convolutional neural networks to detect duplicated questions [0.0]
本稿では,単語埋め込みと畳み込みニューラルネットワークの強みを組み合わせることで,意味論的に類似した質問を識別する簡単な手法を提案する。私たちのネットワークは、400万以上の質問ペアを含むQuoraデータセットでトレーニングされています。
論文参考訳（メタデータ） (2020-06-08T12:30:25Z)
Rapidly Bootstrapping a Question Answering Dataset for COVID-19 [88.86456834766288]
我々は、新型コロナウイルスに特化して設計された質問応答データセットの始まりであるCovidQAを紹介する。これは、そのタイプの最初の公開リソースであり、より実質的な評価資源が利用可能になるまで研究を導くためのストップギャップとして意図されている。
論文参考訳（メタデータ） (2020-04-23T17:35:11Z)
Identifying Semantically Duplicate Questions Using Data Science Approach: A Quora Case Study [0.0]
我々はQuoraのデータセット上の重複した質問を識別するタスクに対して、さまざまな機械学習とディープラーニングのテクニックを探索し、適用した。提案された4つのアーキテクチャのうち3つは、以前の機械学習とディープラーニング研究の精度を上回りました。我々の最良のモデルは85.82%の精度を達成した。
論文参考訳（メタデータ） (2020-04-18T19:39:58Z)

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。