Fugu-MT 論文翻訳(概要): Zero-Shot Stance Detection: A Dataset and Model using Generalized Topic Representations

論文の概要: Zero-Shot Stance Detection: A Dataset and Model using Generalized Topic Representations

arxiv url: http://arxiv.org/abs/2010.03640v1
Date: Wed, 7 Oct 2020 20:27:12 GMT
ステータス: 処理完了
システム内更新日: 2022-10-09 23:29:02.498516
Title: Zero-Shot Stance Detection: A Dataset and Model using Generalized Topic Representations
Title（参考訳）: ゼロショットスタンス検出:一般化トピック表現を用いたデータセットとモデル
Authors: Emily Allaway and Kathleen McKeown
Abstract要約: 従来のデータセットよりも広い範囲のトピックや語彙の変化をキャプチャするゼロショットスタンス検出のための新しいデータセットを提案する。また、一般化されたトピック表現を用いてトピック間の関係を暗黙的にキャプチャするスタンス検出の新しいモデルを提案する。
参考スコア（独自算出の注目度）: 13.153001795077227
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Stance detection is an important component of understanding hidden influences in everyday life. Since there are thousands of potential topics to take a stance on, most with little to no training data, we focus on zero-shot stance detection: classifying stance from no training examples. In this paper, we present a new dataset for zero-shot stance detection that captures a wider range of topics and lexical variation than in previous datasets. Additionally, we propose a new model for stance detection that implicitly captures relationships between topics using generalized topic representations and show that this model improves performance on a number of challenging linguistic phenomena.
Abstract（参考訳）: スタンス検出は日常生活における隠れた影響を理解する重要な要素である。トレーニングデータが少ない,あるいはまったくない,数千の潜在的なトピックがあるので,ゼロショットスタンス検出(zero-shot stance detection)に注目します。本稿では,従来のデータセットよりも幅広い話題と語彙変化をキャプチャするゼロショット姿勢検出のための新しいデータセットを提案する。さらに,一般化された話題表現を用いてトピック間の関係を暗黙的に把握する姿勢検出モデルを提案し,このモデルが多くの難解な言語現象のパフォーマンスを向上させることを示す。

関連論文リスト

Zero-shot Degree of Ill-posedness Estimation for Active Small Object Change Detection [8.977792536037956]
日常的な屋内ナビゲーションでは、ロボットは区別できない小さな変化物体を検出する必要がある。既存の技術は、変更検出モデルを正規化するために、高品質なクラス固有オブジェクトに依存している。本研究では,受動とアクティブビジョンの両方を改善するために,DoIの概念を検討する。
論文参考訳（メタデータ） (2024-05-10T01:56:39Z)
TATA: Stance Detection via Topic-Agnostic and Topic-Aware Embeddings [6.0971418973431]
我々は、下流姿勢検出に使用するトピック認識/TAGとトピック認識/TAW埋め込みを訓練する。いくつかの公開姿勢検出データセットで最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-10-22T23:23:44Z)
A Comparative Review of Recent Few-Shot Object Detection Algorithms [0.0]
ラベル付きデータで新しいクラスに適応するために学習するオブジェクトの少ない検出は、命令的で長期にわたる問題である。近年の研究では、ターゲットドメインを監督せずに追加データセットに暗黙の手がかりを使って、少数のショット検出器が堅牢なタスク概念を洗練させる方法が研究されている。
論文参考訳（メタデータ） (2021-10-30T07:57:11Z)
Perceptual Score: What Data Modalities Does Your Model Perceive? [73.75255606437808]
モデルが入力特徴の異なる部分集合に依存する度合いを評価する指標である知覚スコアを導入する。近年,視覚的質問応答に対するマルチモーダルモデルでは,前者よりも視覚的データを知覚しにくい傾向がみられた。知覚スコアを使用することで、スコアをデータサブセットのコントリビューションに分解することで、モデルのバイアスを分析することもできる。
論文参考訳（メタデータ） (2021-10-27T12:19:56Z)
Adversarial Learning for Zero-Shot Stance Detection on Social Media [1.7702142798241087]
本稿では,Twitter上でのゼロショット姿勢検出のための新しいモデルを提案する。本モデルは, 計算コストを最小に抑えながら, 多数の未確認テストトピックにおいて最先端の性能を実現する。
論文参考訳（メタデータ） (2021-05-14T01:08:48Z)
Semantic Relation Reasoning for Shot-Stable Few-Shot Object Detection [33.25064323136447]
フェーショット物体検出は、実世界のデータの固有の長尾分布のために、必要かつ長続きする問題である。この研究は、新しい物体検出の学習に明確な関係推論を導入する。実験では、SRR-FSDは、より高いショットで競争力のある結果を達成することができ、さらに重要なことは、より低い明示的なショットと暗黙的なショットの両方で、大幅にパフォーマンスが向上します。
論文参考訳（メタデータ） (2021-03-02T18:04:38Z)
Closing the Generalization Gap in One-Shot Object Detection [92.82028853413516]
強力な数ショット検出モデルの鍵は、高度なメトリック学習アプローチではなく、カテゴリの数をスケールすることにある。将来的なデータアノテーションの取り組みは、より広範なデータセットに集中し、より多くのカテゴリにアノテートする必要がある。
論文参考訳（メタデータ） (2020-11-09T09:31:17Z)
Synthesizing the Unseen for Zero-shot Object Detection [72.38031440014463]
そこで本研究では,視覚領域における視覚的特徴と視覚的対象の両方を学習するために,視覚的特徴を合成することを提案する。クラスセマンティックスを用いた新しい生成モデルを用いて特徴を生成するだけでなく,特徴を識別的に分離する。
論文参考訳（メタデータ） (2020-10-19T12:36:11Z)
Learning What Makes a Difference from Counterfactual Examples and Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文参考訳（メタデータ） (2020-04-20T02:47:49Z)
Any-Shot Object Detection [81.88153407655334]
「アニーショット検出」とは、全く見えず、数発のカテゴリが推論中に同時に共起できる場所である。我々は、ゼロショットと少数ショットの両方のオブジェクトクラスを同時に検出できる、統合された任意のショット検出モデルを提案する。我々のフレームワークは、ゼロショット検出とFewショット検出タスクにのみ使用できる。
論文参考訳（メタデータ） (2020-03-16T03:43:15Z)
Stance Detection Benchmark: How Robust Is Your Stance Detection? [65.91772010586605]
Stance Detection (StD) は、あるトピックやクレームに対する著者の姿勢を検出することを目的としている。マルチデータセット学習環境において、さまざまなドメインの10のStDデータセットから学習するStDベンチマークを導入する。このベンチマーク設定では、5つのデータセットに新しい最先端結果を表示することができます。
論文参考訳（メタデータ） (2020-01-06T13:37:51Z)

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。