Fugu-MT 論文翻訳(概要): Two Stages Approach for Tweet Engagement Prediction

論文の概要: Two Stages Approach for Tweet Engagement Prediction

arxiv url: http://arxiv.org/abs/2008.10419v1
Date: Mon, 24 Aug 2020 13:18:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-25 11:42:20.091109
Title: Two Stages Approach for Tweet Engagement Prediction
Title（参考訳）: ツイートエンゲージメント予測のための2段階的アプローチ
Authors: Amine Dadoun (1 and 2), Ismail Harrando (1), Pasquale Lisena (1), Alison Reboud (1), Raphael Troncy (1) ((1) Eurecom, (2) Amadeus SAS)
Abstract要約: 本稿では、2020年のRecSys Challengeにおいて、D2KLabチームが提案したアプローチについて述べる。このアプローチは、最終リーダーボードで22位に入った、チャレンジデータセット全体のサブセットのみをトレーニングする。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This paper describes the approach proposed by the D2KLab team for the 2020 RecSys Challenge on the task of predicting user engagement facing tweets. This approach relies on two distinct stages. First, relevant features are learned from the challenge dataset. These features are heterogeneous and are the results of different learning modules such as handcrafted features, knowledge graph embeddings, sentiment analysis features and BERT word embeddings. Second, these features are provided in input to an ensemble system based on XGBoost. This approach, only trained on a subset of the entire challenge dataset, ranked 22 in the final leaderboard.
Abstract（参考訳）: 本稿では、2020年のRecSys Challengeにおいて、D2KLabチームが提案したアプローチについて述べる。このアプローチは2つの異なる段階に依存します。まず、関連する機能はチャレンジデータセットから学べる。これらの特徴は異種であり、手作り機能、知識グラフ埋め込み、感情分析機能、BERT単語埋め込みなどの異なる学習モジュールの結果である。第2に、これらの機能はXGBoostに基づいたアンサンブルシステムに入力される。このアプローチは、チャレンジデータセット全体のサブセットのみをトレーニングし、最終リーダーボードで22位になった。

関連論文リスト

Towards More Accurate Prediction of Human Empathy and Emotion in Text and Multi-turn Conversations by Combining Advanced NLP, Transformers-based Networks, and Linguistic Methodologies [0.0]
我々はエッセイに表される共感的関心と個人的な苦悩のレベルを予測する。 WASSA 2022の共感検出と感情分類の共有タスクに基づいて、フィードフォワードニューラルネットワークを実装した。最終段階の一部として、これらのアプローチは、インタラクションにおける共感感情とパーソナリティ検出の共有タスクに適応した。
論文参考訳（メタデータ） (2024-07-26T04:01:27Z)
A Fixed-Point Approach to Unified Prompt-Based Counting [51.20608895374113]
本研究の目的は,ボックス,ポイント,テキストなど,さまざまなプロンプト型で示されるオブジェクトの密度マップを生成することができる包括的プロンプトベースのカウントフレームワークを確立することである。本モデルは,クラスに依存しない顕著なデータセットに優れ,データセット間の適応タスクにおいて優れた性能を示す。
論文参考訳（メタデータ） (2024-03-15T12:05:44Z)
Contrastive Transformer Learning with Proximity Data Generation for Text-Based Person Search [60.626459715780605]
記述的なテキストクエリーを与えられたテキストベースの人物検索は、画像ギャラリーからベストマッチした人物を検索することを目的としている。このようなクロスモーダル検索タスクは、重要なモダリティギャップ、きめ細かい相違、注釈付きデータの不十分さのため、かなり難しい。本稿では,テキストに基づく人物検索のための2つのトランスフォーマーモデルを提案する。
論文参考訳（メタデータ） (2023-11-15T16:26:49Z)
HIT-SCIR at MMNLU-22: Consistency Regularization for Multilingual Spoken Language Understanding [56.756090143062536]
本稿では,ハイブリッドデータ拡張戦略に基づく一貫性の正則化を提案する。フルデータセットとゼロショット設定の両方で、MASSIVEデータセット上で実験を行う。提案手法はインテント検出とスロット充足の両方の性能を向上させる。
論文参考訳（メタデータ） (2023-01-05T11:21:15Z)
An Empirical Study and Analysis of Learning Generalizable Manipulation Skill in the SAPIEN Simulator [12.677245428522834]
本稿では,SAPIEN ManiSkill Challenge 2021のノーインタラクショントラックについて概説する。このアプローチは、主に2つのステップからなるエンドツーエンドのパイプラインに従っています。我々は,ロボットシミュレータの動作スコアを,広帯域のトランスフォーマーネットワークを介して予測するために,これらの特徴を取り入れた。
論文参考訳（メタデータ） (2022-08-31T05:45:55Z)
MGA-VQA: Multi-Granularity Alignment for Visual Question Answering [75.55108621064726]
視覚的な質問に答えることを学ぶことは、マルチモーダル入力が2つの特徴空間内にあるため、難しい作業である。視覚質問応答タスク(MGA-VQA)のための多言語アライメントアーキテクチャを提案する。我々のモデルはアライメントを異なるレベルに分割し、追加のデータやアノテーションを必要とせずにより良い相関関係を学習します。
論文参考訳（メタデータ） (2022-01-25T22:30:54Z)
Unpaired Referring Expression Grounding via Bidirectional Cross-Modal Matching [53.27673119360868]
表現基盤の参照はコンピュータビジョンにおいて重要かつ困難な課題である。本稿では,これらの課題に対処する新しい双方向クロスモーダルマッチング(BiCM)フレームワークを提案する。私たちのフレームワークは、2つの一般的なグラウンドデータセットで、以前の作業の6.55%と9.94%を上回っています。
論文参考訳（メタデータ） (2022-01-18T01:13:19Z)
Contrastive Prototype Learning with Augmented Embeddings for Few-Shot Learning [58.2091760793799]
拡張埋め込み(CPLAE)モデルを用いた新しいコントラスト型プロトタイプ学習を提案する。クラスプロトタイプをアンカーとして、CPLは、同じクラスのクエリサンプルを、異なるクラスのサンプルを、さらに遠くに引き出すことを目的としている。いくつかのベンチマークによる大規模な実験により,提案したCPLAEが新たな最先端を実現することが示された。
論文参考訳（メタデータ） (2021-01-23T13:22:44Z)
CXP949 at WNUT-2020 Task 2: Extracting Informative COVID-19 Tweets -- RoBERTa Ensembles and The Continued Relevance of Handcrafted Features [0.6980076213134383]
本稿では,ノイズの多いユーザ生成テキストに関するワークショップ第2号に提案する。アンサンブル実装によるテキスト分類のための訓練済み言語モデルの性能改善について検討する。追加機能を含めることで、分類結果が改善され、トップパフォーマンスチームの2ポイント以内のスコアが得られます。
論文参考訳（メタデータ） (2020-10-15T19:12:52Z)
Phonemer at WNUT-2020 Task 2: Sequence Classification Using COVID Twitter BERT and Bagging Ensemble Technique based on Plurality Voting [0.0]
新型コロナウイルス(COVID-19)に関連する英語のつぶやきを自動的に識別するシステムを開発した。最終アプローチでは0.9037のF1スコアを達成し,F1スコアを評価基準として総合6位にランク付けした。
論文参考訳（メタデータ） (2020-10-01T10:54:54Z)

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。