Fugu-MT 論文翻訳(概要): Graph-of-Tweets: A Graph Merging Approach to Sub-event Identification

論文の概要: Graph-of-Tweets: A Graph Merging Approach to Sub-event Identification

arxiv url: http://arxiv.org/abs/2101.03208v1
Date: Fri, 8 Jan 2021 20:24:25 GMT
ステータス: 処理完了
システム内更新日: 2021-04-10 05:12:48.250164
Title: Graph-of-Tweets: A Graph Merging Approach to Sub-event Identification
Title（参考訳）: Graph-of-Tweets:サブイベント識別のためのグラフマージアプローチ
Authors: Xiaonan Jing, Julia Taylor Rayz
Abstract要約: Graph-of-Words(GoW)は、ドキュメント間の接続が不可欠である場合に、ドキュメントレベルの関係をほとんど提供しない。ツイートをモデル化するための単語と文書レベルの構造を組み合わせたハイブリッドなグラフ・オブ・ツイート(GoT)モデルを提案する。私たちのモデルは、語彙レベルの情報を凝縮し、サブイベントのキーワードをキャプチャする有望な結果を示した。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Graph structures are powerful tools for modeling the relationships between textual elements. Graph-of-Words (GoW) has been adopted in many Natural Language tasks to encode the association between terms. However, GoW provides few document-level relationships in cases when the connections between documents are also essential. For identifying sub-events on social media like Twitter, features from both word- and document-level can be useful as they supply different information of the event. We propose a hybrid Graph-of-Tweets (GoT) model which combines the word- and document-level structures for modeling Tweets. To compress large amount of raw data, we propose a graph merging method which utilizes FastText word embeddings to reduce the GoW. Furthermore, we present a novel method to construct GoT with the reduced GoW and a Mutual Information (MI) measure. Finally, we identify maximal cliques to extract popular sub-events. Our model showed promising results on condensing lexical-level information and capturing keywords of sub-events.
Abstract（参考訳）: グラフ構造は、テキスト要素間の関係をモデル化するための強力なツールである。 graph-of-words (gow) は語間の関係をエンコードするために多くの自然言語タスクで採用されている。しかし、ドキュメント間の接続が不可欠である場合、GoWはドキュメントレベルの関係をほとんど提供しない。 Twitterのようなソーシャルメディア上のサブイベントを特定するには、単語レベルと文書レベルの両方の機能が、イベントの異なる情報を提供するのに役立つ。ツイートをモデル化するための単語と文書レベルの構造を組み合わせたハイブリッドなグラフ・オブ・ツイート(GoT)モデルを提案する。大量の生データを圧縮するために,FastText単語の埋め込みを利用してGoWを減らすグラフマージ手法を提案する。さらに,GoWの低減化と相互情報(MI)尺度を用いてGoTを構築する新しい手法を提案する。最後に,一般的なサブイベントを抽出するために,最大傾きを同定する。本モデルでは,語彙レベルの情報を凝縮し,サブイベントのキーワードをキャプチャする有望な結果を示した。

関連論文リスト

DTGB: A Comprehensive Benchmark for Dynamic Text-Attributed Graphs [28.340416573162898]
動的テキスト分散グラフ(DyTAG)は、様々な実世界のシナリオで一般的である。幅広い適用性にもかかわらず、DyTAGに合わせたベンチマークデータセットは、顕著に不足している。大規模な時間進化グラフのコレクションである動的テキスト分散グラフベンチマーク(DTGB)を導入する。
論文参考訳（メタデータ） (2024-06-17T20:16:12Z)
Learning Multiplex Representations on Text-Attributed Graphs with One Language Model Encoder [55.24276913049635]
テキスト分散グラフ上での多重表現学習のための新しいフレームワークMETAGを提案する。既存の手法とは対照的に、MeTAGは1つのテキストエンコーダを使用して関係性間の共有知識をモデル化する。学術分野と電子商取引分野の5つのグラフにおいて,9つの下流タスクについて実験を行った。
論文参考訳（メタデータ） (2023-10-10T14:59:22Z)
ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
論文参考訳（メタデータ） (2023-05-23T17:53:30Z)
Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文参考訳（メタデータ） (2023-05-04T16:04:41Z)
Document-level Relation Extraction with Cross-sentence Reasoning Graph [14.106582119686635]
関係抽出(RE)は、最近、文レベルから文書レベルに移行した。 GRaph情報集約・クロスセンス推論ネットワーク(GRACR)を用いた新しい文書レベルのREモデルを提案する。実験結果から,GRACRは文書レベルのREの2つの公開データセットにおいて優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2023-03-07T14:14:12Z)
Improving Graph-Based Text Representations with Character and Word Level N-grams [30.699644290131044]
単語と文字n-gramノードを文書ノードと組み合わせた新しい単語文字テキストグラフを提案する。また、提案したテキストグラフをモデル化するための2つの新しいグラフベースニューラルモデルWCTextGCNとWCTextGATを提案する。
論文参考訳（メタデータ） (2022-10-12T08:07:54Z)
MORE: Multi-Order RElation Mining for Dense Captioning in 3D Scenes [89.75025195440287]
既存の手法では、対象の特徴学習の副産物のような関係を、特にそれを符号化することなく扱うことができる。より記述的で包括的なキャプションを生成するためのマルチオーダーリレーションマイニングモデルMOREを提案する。我々のMOREは、複雑な関係を限られた数の基本関係から導出できるため、進行的にオブジェクト関係を符号化する。
論文参考訳（メタデータ） (2022-03-10T07:26:15Z)
Keyphrase Extraction Using Neighborhood Knowledge Based on Word Embeddings [17.198907789163123]
我々は、単語埋め込みを背景知識として活用して、単語間グラフに意味情報を加えることにより、グラフベースのランキングモデルを強化する。提案手法は,確立されたベンチマークデータセットを用いて評価し,単語の埋め込み近傍情報によりモデル性能が向上することを示す。
論文参考訳（メタデータ） (2021-11-13T21:48:18Z)
Hierarchical Heterogeneous Graph Representation Learning for Short Text Classification [60.233529926965836]
短文分類のためのグラフニューラルネットワーク(GNN)に基づく ShiNE と呼ばれる新しい手法を提案する。まず,短文データセットを単語レベル成分グラフからなる階層的不均一グラフとしてモデル化する。そして、類似した短いテキスト間の効果的なラベル伝搬を容易にするショート文書グラフを動的に学習する。
論文参考訳（メタデータ） (2021-10-30T05:33:05Z)
BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
論文参考訳（メタデータ） (2021-05-25T16:20:48Z)
Leveraging Graph to Improve Abstractive Multi-Document Summarization [50.62418656177642]
我々は、文書のよく知られたグラフ表現を活用することができる、抽象的多文書要約(MDS)モデルを開発する。本モデルでは,長い文書の要約に欠かせない文書間関係を捉えるために,文書の符号化にグラフを利用する。また,このモデルでは,要約生成プロセスの導出にグラフを利用することが可能であり,一貫性と簡潔な要約を生成するのに有用である。
論文参考訳（メタデータ） (2020-05-20T13:39:47Z)

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。