Fugu-MT 論文翻訳(概要): SEAL: Scientific Keyphrase Extraction and Classification

論文の概要: SEAL: Scientific Keyphrase Extraction and Classification

arxiv url: http://arxiv.org/abs/2006.03292v1
Date: Fri, 5 Jun 2020 08:21:26 GMT
ステータス: 処理完了
システム内更新日: 2022-11-25 04:11:04.153469
Title: SEAL: Scientific Keyphrase Extraction and Classification
Title（参考訳）: SEAL:科学用語の抽出と分類
Authors: Ayush Garg, Sammed Shantinath Kagi, Mayank Singh
Abstract要約: SEALは自動キーフレーズ抽出と分類のためのツールである。システムの堅牢性を示すために,我々は広範囲に実験を行った。現在のシステムはhttp://lingo.iitgn.ac.in:5000/にホストされている。
参考スコア（独自算出の注目度）: 1.0413233169366503
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Automatic scientific keyphrase extraction is a challenging problem facilitating several downstream scholarly tasks like search, recommendation, and ranking. In this paper, we introduce SEAL, a scholarly tool for automatic keyphrase extraction and classification. The keyphrase extraction module comprises two-stage neural architecture composed of Bidirectional Long Short-Term Memory cells augmented with Conditional Random Fields. The classification module comprises of a Random Forest classifier. We extensively experiment to showcase the robustness of the system. We evaluate multiple state-of-the-art baselines and show a significant improvement. The current system is hosted at http://lingo.iitgn.ac.in:5000/.
Abstract（参考訳）: 自動科学キーフレーズ抽出は、検索、推薦、ランキングといった下流の学術的なタスクを促進する難しい問題である。本稿では,自動キーフレーズ抽出と分類のための学術ツールであるSEALを紹介する。キーフレーズ抽出モジュールは、条件ランダムフィールドを付加した双方向長短期記憶細胞からなる2段階のニューラルアーキテクチャを含む。分類モジュールは、ランダム森林分類器からなる。システムの堅牢性を示すために,我々は広範囲に実験を行った。複数の最先端ベースラインを評価し,大幅な改善を示した。現在のシステムはhttp://lingo.iitgn.ac.in:5000/にホストされている。

関連論文リスト

Co-training for Low Resource Scientific Natural Language Inference [65.37685198688538]
遠隔教師付きラベルに分類器のトレーニング力学に基づいて重みを割り当てる新しいコトレーニング手法を提案する。予測された信頼度に対する任意のしきい値に基づいてサンプルをフィルタリングするのではなく、重要重みを割り当てることにより、自動ラベル付きデータの使用を最大化する。提案手法は、遠隔監視ベースラインに対するマクロF1の1.5%の改善と、他の強力なSSLベースラインよりも大幅に改善されている。
論文参考訳（メタデータ） (2024-06-20T18:35:47Z)
Dictionary Learning Improves Patch-Free Circuit Discovery in Mechanistic Interpretability: A Case Study on Othello-GPT [59.245414547751636]
本稿では,アクティベーションパッチに代わる回路発見フレームワークを提案する。当社のフレームワークはアウト・オブ・ディストリビューション(out-of-distribution)に悩まされており、複雑さの観点からより効率的であることが証明されています。我々はOthelloという名前の合成タスクで訓練された小さなトランスフォーマーを掘り下げ、その内部に人間に理解可能な微細な回路がいくつかある。
論文参考訳（メタデータ） (2024-02-19T15:04:53Z)
SimCKP: Simple Contrastive Learning of Keyphrase Representations [36.88517357720033]
そこで本論文では,(1)文脈認識型フレーズレベルの表現からキーフレーズを抽出する抽出器・ジェネレータと,(2)生成したフレーズのスコアを対応する文書と整列させることで,文書に現れないキーフレーズを生成するリランカと,の2つの段階からなる単純なコントラスト学習フレームワークであるSimCKPを提案する。
論文参考訳（メタデータ） (2023-10-12T11:11:54Z)
Tuning Traditional Language Processing Approaches for Pashto Text Classification [0.0]
本研究の目的は,Pashto自動テキスト分類システムの構築である。本研究は、統計的およびニューラルネットワーク機械学習技術の両方を含む複数のモデルを比較する。本研究では,分類アルゴリズムとTFIDF特徴抽出法を用いて,平均試験精度94%を得た。
論文参考訳（メタデータ） (2023-05-04T22:57:45Z)
Short-Term Word-Learning in a Dynamically Changing Environment [63.025297637716534]
本稿では、単語/フレーズメモリと、このメモリにアクセスして単語やフレーズを正しく認識するためのメカニズムを用いて、エンドツーエンドのASRシステムを補完する方法を示す。誤報がわずかに増加しただけで, 単語の検出速度が大幅に向上した。
論文参考訳（メタデータ） (2022-03-29T10:05:39Z)
The Overlooked Classifier in Human-Object Interaction Recognition [82.20671129356037]
クラス間の意味的相関を分類ヘッドにエンコードし,重みをHOIの言語埋め込みで初期化する。我々は,LSE-Sign という新しい損失を,長い尾を持つデータセット上でのマルチラベル学習を強化するために提案する。我々は,物体検出と人間のポーズを明確なマージンで求める最先端技術よりも優れた,検出不要なHOI分類を可能にする。
論文参考訳（メタデータ） (2022-03-10T23:35:00Z)
Mixtures of Deep Neural Experts for Automated Speech Scoring [11.860560781894458]
本論文は,言語学習者の音声応答からテストプロンプトに対する第二言語能力の自動評価の課題に対処する。本手法は,(1)音声対話のテキスト書き起こしを自動生成する音声認識システム,(2)テキスト書き起こしを習熟クラスに分類する深層学習者に基づく複数分類システム,の2つの異なるモジュールに依存している。
論文参考訳（メタデータ） (2021-06-23T15:44:50Z)
Speech Command Recognition in Computationally Constrained Environments with a Quadratic Self-organized Operational Layer [92.37382674655942]
軽量ネットワークの音声コマンド認識能力を向上するネットワーク層を提案する。この手法はテイラー展開と二次形式の概念を借用し、入力層と隠蔽層の両方における特徴のより良い表現を構築する。このリッチな表現は、Google音声コマンド(GSC)と合成音声コマンド(SSC)データセットに関する広範な実験で示されているように、認識精度の向上をもたらす。
論文参考訳（メタデータ） (2020-11-23T14:40:18Z)
Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文参考訳（メタデータ） (2020-10-24T08:11:23Z)
A Joint Learning Approach based on Self-Distillation for Keyphrase Extraction from Scientific Documents [29.479331909227998]
キーフレーズ抽出(英: Keyphrase extract)は、文書を最もよく記述するフレーズの小さなセットを抽出するタスクである。タスクの既存のベンチマークデータセットは、通常、注釈付きドキュメントの数に制限がある。本稿では, 自己蒸留の考え方に基づく, シンプルで効率的な共同学習手法を提案する。
論文参考訳（メタデータ） (2020-10-22T18:36:31Z)
Keyphrase Extraction with Span-based Feature Representations [13.790461555410747]
キーフレーズは、文書を特徴付ける意味メタデータを提供することができる。キーフレーズ抽出のための3つのアプローチ: (i) 従来の2段階ランキング法、 (ii) シーケンスラベリング、 (iii) ニューラルネットワークを用いた生成。本稿では,すべてのコンテンツトークンから直接,キーフレーズのスパン的特徴表現を抽出する新規スパンキーフレーズ抽出モデルを提案する。
論文参考訳（メタデータ） (2020-02-13T09:48:31Z)

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。