論文の概要: Open Domain Suggestion Mining Leveraging Fine-Grained Analysis
- arxiv url: http://arxiv.org/abs/2007.04297v2
- Date: Sat, 11 Jul 2020 19:47:47 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-16 07:50:52.420845
- Title: Open Domain Suggestion Mining Leveraging Fine-Grained Analysis
- Title(参考訳): 細粒度解析を利用したオープンドメイン提案マイニング
- Authors: Shreya Singal, Tanishq Goel, Shivang Chopra, Sonika Dahiya
- Abstract要約: マーカに基づくオーバーサンプリングときめ細かい提案マイニング技術を利用した2層パイプラインを提案する。
オーバーサンプリング技術とトランスフォーマーをベースとしたきめ細かな解析が組み合わさることで, オーバーサンプリング技術が最先端技術に勝ることを示す。
- 参考スコア(独自算出の注目度): 1.7491858164568674
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Suggestion mining tasks are often semantically complex and lack sophisticated
methodologies that can be applied to real-world data. The presence of
suggestions across a large diversity of domains and the absence of large
labelled and balanced datasets render this task particularly challenging to
deal with. In an attempt to overcome these challenges, we propose a two-tier
pipeline that leverages Discourse Marker based oversampling and fine-grained
suggestion mining techniques to retrieve suggestions from online forums.
Through extensive comparison on a real-world open-domain suggestion dataset, we
demonstrate how the oversampling technique combined with transformer based
fine-grained analysis can beat the state of the art. Additionally, we perform
extensive qualitative and qualitative analysis to give construct validity to
our proposed pipeline. Finally, we discuss the practical, computational and
reproducibility aspects of the deployment of our pipeline across the web.
- Abstract(参考訳): 提案マイニングタスクは、しばしば意味的に複雑であり、現実世界のデータに適用できる洗練された方法論が欠けている。
さまざまなドメインにまたがる提案の存在と、大きなラベル付き、バランスのとれたデータセットが存在しないため、このタスクは特に対処が難しい。
これらの課題を克服するために、Discourse Markerに基づくオーバーサンプリングときめ細かい提案マイニング技術を利用してオンラインフォーラムから提案を検索する2層パイプラインを提案する。
実世界のオープンドメイン提案データセットを広範囲に比較して、トランスフォーマーベースのきめ細かな解析と組み合わせたオーバーサンプリング手法が、いかに芸術の現状に勝るのかを実証する。
さらに,提案したパイプラインの構成妥当性を示すために,広範囲な定性的・定性的な分析を行う。
最後に,我々のパイプラインをWeb上に展開する際の実用的,計算的,再現的側面について論じる。
関連論文リスト
- A Comprehensive Survey of Cross-Domain Policy Transfer for Embodied
Agents [22.766158807531767]
ロボット学習と具現化されたAIの急成長は、大量のデータに対する需要の高まりを引き起こしている。
しかし、コストのかかるデータ収集プロセスと厳格な安全要件のために、ターゲットドメインから十分なバイアスのないデータを集めることは、依然として課題である。
我々は、既存のクロスドメインポリシー転送手法の体系的なレビューを行う。
論文 参考訳(メタデータ) (2024-02-07T04:43:41Z) - Fine-Grained Zero-Shot Learning: Advances, Challenges, and Prospects [84.36935309169567]
ゼロショット学習(ZSL)における微粒化解析の最近の進歩を概観する。
まず、各カテゴリの詳細な分析を行い、既存の手法と手法の分類について述べる。
次に、ベンチマークを要約し、公開データセット、モデル、実装、およびライブラリとしての詳細について説明する。
論文 参考訳(メタデータ) (2024-01-31T11:51:24Z) - Multi-Resolution Planar Region Extraction for Uneven Terrains [6.482137641059034]
本稿では,不整点雲観測から不均質な地形の平面領域を抽出する問題について検討する。
境界の精度と計算効率のバランスをとる多分解能平面領域抽出戦略を提案する。
論文 参考訳(メタデータ) (2023-11-21T12:17:51Z) - Transcending Forgery Specificity with Latent Space Augmentation for
Generalizable Deepfake Detection [61.845902530915325]
LSDAと呼ばれる簡易で効果的なディープフェイク検出器を提案する。
それは偽りの考えに基づいており、より多様な偽の表現はより一般化可能な決定境界を学べるべきである。
提案手法は驚くほど有効であり, 広く使用されている複数のベンチマークで最先端の検出器を超越することを示す。
論文 参考訳(メタデータ) (2023-11-19T09:41:10Z) - Adaptive End-to-End Metric Learning for Zero-Shot Cross-Domain Slot
Filling [2.6056468338837457]
スロットフィリングは、トレーニング中にサンプルを見ることのない新しいドメインを扱う上で重要な課題である。
ほとんどの先行研究は、メートル法学習に基づく2パスパイプライン方式でこの問題に対処している。
そこで本研究では,ゼロショットスロットの補充に挑戦する手法として,適応的なエンドツーエンドの計量学習手法を提案する。
論文 参考訳(メタデータ) (2023-10-23T19:01:16Z) - Optimizing Solution-Samplers for Combinatorial Problems: The Landscape
of Policy-Gradient Methods [52.0617030129699]
本稿では,DeepMatching NetworksとReinforcement Learningメソッドの有効性を解析するための新しい理論フレームワークを提案する。
我々の主な貢献は、Max- and Min-Cut、Max-$k$-Bipartite-Bi、Maximum-Weight-Bipartite-Bi、Traveing Salesman Problemを含む幅広い問題である。
本分析の副産物として,バニラ降下による新たな正則化プロセスを導入し,失効する段階的な問題に対処し,悪い静止点から逃れる上で有効であることを示す理論的および実験的証拠を提供する。
論文 参考訳(メタデータ) (2023-10-08T23:39:38Z) - Best-Effort Adaptation [62.00856290846247]
本稿では, 試料再重み付け法に関する新しい理論的解析を行い, 試料再重み付け法を一様に保持する境界について述べる。
これらの境界が、我々が詳細に議論する学習アルゴリズムの設計を導く方法を示す。
本稿では,本アルゴリズムの有効性を実証する一連の実験結果について報告する。
論文 参考訳(メタデータ) (2023-05-10T00:09:07Z) - Guided Depth Map Super-resolution: A Survey [88.54731860957804]
誘導深度マップ超解像(GDSR)は、高分解能(HR)深度マップを低分解能(LR)観測から2枚のHRカラー画像の助けを借りて再構成することを目的としている。
近年,特に強力な深層学習技術を用いて,斬新で効果的なアプローチが多数提案されている。
この調査は、GDSRの最近の進歩に関する包括的調査を提示する試みである。
論文 参考訳(メタデータ) (2023-02-19T15:43:54Z) - MetaGraspNet: A Large-Scale Benchmark Dataset for Scene-Aware
Ambidextrous Bin Picking via Physics-based Metaverse Synthesis [72.85526892440251]
本稿では,物理に基づくメタバース合成により構築した大規模写真リアリスティックビンピックデータセットであるMetaGraspNetを紹介する。
提案データセットは,82種類の記事に対して217kのRGBD画像を含み,オブジェクト検出,アモーダル認識,キーポイント検出,操作順序,および並列ジャウと真空グリップパー用のアンビデクストグリップラベルの完全なアノテーションを備える。
また,2.3k以上の完全アノテートされた高品質なRGBD画像からなる実際のデータセットを5段階の難易度と,異なるオブジェクトおよびレイアウト特性を評価するための見えないオブジェクトセットに分割する。
論文 参考訳(メタデータ) (2022-08-08T08:15:34Z) - Review-Based Domain Disentanglement without Duplicate Users or Contexts
for Cross-Domain Recommendation [1.2074552857379273]
クロスドメインレコメンデーションは、データスパーシリティとコールドスタート問題を解決する上で有望な結果を示している。
我々のモデル(SER)は、3つのテキスト解析モジュールを使用し、1つのドメイン識別器で案内され、非絡み合い表現学習を行う。
論文 参考訳(メタデータ) (2021-10-25T05:17:58Z)
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。
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。