論文の概要: User Ex Machina : Simulation as a Design Probe in Human-in-the-Loop Text Analytics

• arxiv url: http://arxiv.org/abs/2101.02244v1
• Date: Wed, 6 Jan 2021 19:44:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-11 02:19:10.078287
• Title: User Ex Machina : Simulation as a Design Probe in Human-in-the-Loop Text Analytics
• Title（参考訳）: ユーザ・エグゼクティブ・マキナ : テキスト分析におけるデザイン・プローブとしてのシミュレーション
• Authors: Anamaria Crisan, Michael Correll
• Abstract要約: 話題モデルを用いた人間中心インタラクションのシミュレーションに基づく解析を行う。 ユーザインタラクションには大きさが違うが、結果のモデリングの品質に悪影響を及ぼすことがよくあります。
• 参考スコア（独自算出の注目度）: 29.552736183006672
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topic models are widely used analysis techniques for clustering documents and surfacing thematic elements of text corpora. These models remain challenging to optimize and often require a "human-in-the-loop" approach where domain experts use their knowledge to steer and adjust. However, the fragility, incompleteness, and opacity of these models means even minor changes could induce large and potentially undesirable changes in resulting model. In this paper we conduct a simulation-based analysis of human-centered interactions with topic models, with the objective of measuring the sensitivity of topic models to common classes of user actions. We find that user interactions have impacts that differ in magnitude but often negatively affect the quality of the resulting modelling in a way that can be difficult for the user to evaluate. We suggest the incorporation of sensitivity and "multiverse" analyses to topic model interfaces to surface and overcome these deficiencies.
• Abstract（参考訳）: トピックモデルは文書のクラスタリングやテキストコーパスのテーマ要素の抽出に広く利用されている。 これらのモデルは最適化が難しいままであり、ドメインの専門家が自分の知識を使って制御し調整する"人道的"なアプローチがしばしば必要です。 しかし、これらのモデルの脆弱性、不完全性、不透明性は、たとえ小さな変更であっても、結果としてモデルが大きく、望ましくない変更を引き起こす可能性があることを意味する。 本稿では,話題モデルと人間中心インタラクションのシミュレーションに基づく分析を行い,ユーザ行動の共通クラスに対する話題モデルの感度を測定することを目的とする。 ユーザインタラクションには、大きさが違うが、多くの場合、ユーザが評価するのが難しい方法で、結果のモデリングの品質に悪影響を及ぼす影響があることが分かりました。 我々は,これらの欠陥を克服するために,トピックモデルインタフェースへの感度と「多元的」解析の導入を提案する。

関連論文リスト

• LLM Comparator: Visual Analytics for Side-by-Side Evaluation of Large Language Models [31.426274932333264]
  自動側評価から結果をインタラクティブに分析する新しいビジュアル分析ツールであるComparatorを提案する。 このツールは、モデルがベースラインモデルよりも優れているか悪いかを、ユーザがいつ、なぜ理解するかを対話的にサポートする。
  論文  参考訳（メタデータ） (2024-02-16T09:14:49Z)
• Improving the TENOR of Labeling: Re-evaluating Topic Models for Content Analysis [5.757610495733924]
  対話型タスクベース設定において,ニューラル,教師付き,古典的なトピックモデルの最初の評価を行う。 現在の自動メトリクスは、トピックモデリング機能の完全な図を提供していないことを示す。
  論文  参考訳（メタデータ） (2024-01-29T17:54:04Z)
• A User-Centered, Interactive, Human-in-the-Loop Topic Modelling System [32.065158970382036]
  ヒューマン・イン・ザ・ループ(Human-in-the-loop)トピック・モデリングは、ユーザの知識をモデリングプロセスに取り入れ、モデルを反復的に洗練することを可能にする。 最近の研究では、ユーザフィードバックの価値が実証されているが、検討すべき問題がまだ残っている。 そこで我々は,ユーザフレンドリなインタフェースを備えた対話型話題モデリングシステムを開発した。
  論文  参考訳（メタデータ） (2023-04-04T13:05:10Z)
• Are Neural Topic Models Broken? [81.15470302729638]
  トピックモデルの自動評価と人的評価の関係について検討する。 ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
  論文  参考訳（メタデータ） (2022-10-28T14:38:50Z)
• Temporal Relevance Analysis for Video Action Models [70.39411261685963]
  まず,CNNに基づく行動モデルにより捉えたフレーム間の時間的関係を定量化する手法を提案する。 次に、時間的モデリングがどのように影響を受けるかをよりよく理解するために、包括的な実験と詳細な分析を行います。
  論文  参考訳（メタデータ） (2022-04-25T19:06:48Z)
• Is Automated Topic Model Evaluation Broken?: The Incoherence of Coherence [62.826466543958624]
  トピックモデル評価における標準化のギャップと検証のギャップについて考察する。 これらの指標によると、最近のニューラルネットワークコンポーネントに依存したモデルは、古典的なトピックモデルを超えている。 我々は,話題評価と単語侵入という,最も広く受け入れられている2つの人間の判断タスクとともに,自動的コヒーレンスを用いる。
  論文  参考訳（メタデータ） (2021-07-05T17:58:52Z)
• Explainable Adversarial Attacks in Deep Neural Networks Using Activation Profiles [69.9674326582747]
  本稿では,敵対的事例に基づくニューラルネットワークモデルを検討するためのビジュアルフレームワークを提案する。 これらの要素を観察することで、モデル内の悪用領域を素早く特定できることを示す。
  論文  参考訳（メタデータ） (2021-03-18T13:04:21Z)
• Evaluating the Interpretability of Generative Models by Interactive Reconstruction [30.441247705313575]
  生成モデル表現の人間解釈可能性の定量化を課題とする。 このタスクのパフォーマンスは、ベースラインアプローチよりも、絡み合ったモデルと絡み合ったモデルをはるかに確実に区別する。
  論文  参考訳（メタデータ） (2021-02-02T02:38:14Z)
• Firearm Detection via Convolutional Neural Networks: Comparing a Semantic Segmentation Model Against End-to-End Solutions [68.8204255655161]
  武器の脅威検出とライブビデオからの攻撃的な行動は、潜在的に致命的な事故の迅速検出と予防に使用できる。 これを実現する一つの方法は、人工知能と、特に画像分析のための機械学習を使用することです。 従来のモノリシックなエンド・ツー・エンドのディープラーニングモデルと、セマンティクスセグメンテーションによって火花を検知する単純なニューラルネットワークのアンサンブルに基づく前述したモデルを比較した。
  論文  参考訳（メタデータ） (2020-12-17T15:19:29Z)
• On the Transferability of Adversarial Attacksagainst Neural Text Classifier [121.6758865857686]
  テキスト分類モデルの逆例の転送可能性について検討する。 本稿では,ほとんどすべての既存モデルを騙すために,敵の例を誘導できるモデル群を見つける遺伝的アルゴリズムを提案する。 これらの逆例からモデル診断に使用できる単語置換規則を導出する。
  論文  参考訳（メタデータ） (2020-11-17T10:45:05Z)

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。