論文の概要: Triadic Exploration and Exploration with Multiple Experts
- arxiv url: http://arxiv.org/abs/2102.02654v1
- Date: Thu, 4 Feb 2021 14:49:53 GMT
- ステータス: 処理完了
- システム内更新日: 2021-02-05 16:14:58.902116
- Title: Triadic Exploration and Exploration with Multiple Experts
- Title(参考訳): 複数専門家によるトライアディック探索と探索
- Authors: Maximilian Felde and Gerd Stumme
- Abstract要約: Triadic Concept Analysis は、条件の概念を取り入れた形式的概念分析(FCA)の拡張である。
本稿では、三進的概念分析に基づく三進的探索を行い、三進的領域における条件的属性含意を探索する。
ドメインに対して異なる視点を持つ複数の専門家による属性探索を定式化するために、このアプローチを適用する。
- 参考スコア(独自算出の注目度): 0.11421942894219898
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Formal Concept Analysis (FCA) provides a method called attribute exploration
which helps a domain expert discover structural dependencies in knowledge
domains that can be represented by a formal context (a cross table of objects
and attributes). Triadic Concept Analysis is an extension of FCA that
incorporates the notion of conditions. Many extensions and variants of
attribute exploration have been studied but only few attempts at incorporating
multiple experts have been made. In this paper we present triadic exploration
based on Triadic Concept Analysis to explore conditional attribute implications
in a triadic domain. We then adapt this approach to formulate attribute
exploration with multiple experts that have different views on a domain.
- Abstract(参考訳): 形式的概念分析(FCA)は、ドメインの専門家が形式的コンテキスト(オブジェクトと属性のクロステーブル)で表される知識領域の構造的依存関係を発見するのに役立つ属性探索と呼ばれる方法を提供する。
Triadic Concept Analysisは、条件の概念を取り入れたFCAの拡張である。
属性探索の多くの拡張とバリエーションが研究されているが、複数の専門家を組み込む試みはほとんど行われていない。
本稿では,三進概念分析に基づく三進探索を行い,三進領域における条件属性の意味を探索する。
次に、このアプローチを、ドメインに関する異なる見解を持つ複数の専門家による属性探索の定式化に適用します。
関連論文リスト
- Incentivized Exploration via Filtered Posterior Sampling [51.32577788466152]
情報非対称性を活用できる社会学習問題における「インセンティブ付き探索」(IE)について検討し、エージェントにインセンティブを与えて探索行動をとる。
我々は,IE の汎用的解法として,多腕バンディットの文献でよく知られるアルゴリズム的手法である後方サンプリングを同定する。
論文 参考訳(メタデータ) (2024-02-20T19:30:55Z) - Embedding Ontologies via Incorporating Extensional and Intensional
Knowledge [22.189175551447583]
オントロジーはドメイン内の豊富な知識を含み、拡張的知識と強迫的知識という2つのカテゴリに分けられる。
既存のオントロジの埋め込みアプローチは、拡張的知識と集約的知識の両方を同時に考慮することができない。
本研究では,拡張空間と拡張空間という2つの空間におけるオントロジーを表現することで,EIKE(Extensional and Intensional Knowledge Embedding)を提案する。
論文 参考訳(メタデータ) (2024-01-20T08:44:34Z) - A Novel Energy based Model Mechanism for Multi-modal Aspect-Based
Sentiment Analysis [85.77557381023617]
マルチモーダル感情分析のための新しいフレームワークDQPSAを提案する。
PDQモジュールは、プロンプトをビジュアルクエリと言語クエリの両方として使用し、プロンプト対応の視覚情報を抽出する。
EPEモジュールはエネルギーベースモデルの観点から解析対象の境界ペアリングをモデル化する。
論文 参考訳(メタデータ) (2023-12-13T12:00:46Z) - DARE: Towards Robust Text Explanations in Biomedical and Healthcare
Applications [54.93807822347193]
帰属ロバスト性評価手法を与えられたドメインに適応させ、ドメイン固有の妥当性を考慮する方法を示す。
次に,DAREが特徴とする脆さを軽減するために,対人訓練とFAR訓練の2つの方法を提案する。
最後に,確立した3つのバイオメディカル・ベンチマークを用いて実験を行い,本手法を実証的に検証した。
論文 参考訳(メタデータ) (2023-07-05T08:11:40Z) - Understanding metric-related pitfalls in image analysis validation [59.15220116166561]
この研究は、画像解析におけるバリデーションメトリクスに関連する落とし穴に関する情報にアクセスするための、初めての包括的な共通点を提供する。
バイオメディカル画像解析に焦点をあてるが、他の分野へ移行する可能性があるため、対処された落とし穴はアプリケーションドメイン全体にわたって一般化され、新しく作成されたドメインに依存しない分類に分類される。
論文 参考訳(メタデータ) (2023-02-03T14:57:40Z) - Domain-invariant Feature Exploration for Domain Generalization [35.99082628524934]
ドメイン不変の機能は、内部と相互の双方から派生すべきである、と我々は主張する。
ドメイン不変な特徴展開のためのDIFEXを提案する。
時系列とビジュアルベンチマークの両方の実験は、提案したDIFEXが最先端のパフォーマンスを達成することを示した。
論文 参考訳(メタデータ) (2022-07-25T09:55:55Z) - Attribute Exploration with Multiple Contradicting Partial Experts [0.0]
属性探索(Attribute Exploring)は、ドメインの専門家が知識領域の構造的依存関係を発見するのに役立つ、形式的概念分析(FCA)の手法である。
本稿では,属性探索の拡張について述べる。
論文 参考訳(メタデータ) (2022-05-31T12:00:55Z) - A Simple Information-Based Approach to Unsupervised Domain-Adaptive
Aspect-Based Sentiment Analysis [58.124424775536326]
本稿では,相互情報に基づくシンプルだが効果的な手法を提案し,それらの用語を抽出する。
実験の結果,提案手法はクロスドメインABSAの最先端手法よりも4.32%高い性能を示した。
論文 参考訳(メタデータ) (2022-01-29T10:18:07Z) - Multiple Domain Experts Collaborative Learning: Multi-Source Domain
Generalization For Person Re-Identification [41.923753462539736]
我々は、MD-ExCo(Multiple Domain Experts Collaborative Learning)という新しいトレーニングフレームワークを提案する。
MD-ExCoは普遍的な専門家といくつかのドメインエキスパートで構成されている。
DG-ReIDベンチマークの実験により、我々のMD-ExCoは最先端の手法よりも大きなマージンで優れていることが示された。
論文 参考訳(メタデータ) (2021-05-26T06:38:23Z) - WikiAsp: A Dataset for Multi-domain Aspect-based Summarization [69.13865812754058]
マルチドメインアスペクトベースの要約のための大規模データセットであるWikiAspを提案する。
具体的には、アスペクトアノテーションのプロキシとして、各記事のセクションタイトルとバウンダリを使用して、20の異なるドメインからウィキペディア記事を使用してデータセットを構築します。
その結果,既存の要約モデルがこの設定で直面する重要な課題,例えば引用されたソースの適切な代名詞処理,時間に敏感なイベントの一貫した説明などが浮き彫りになった。
論文 参考訳(メタデータ) (2020-11-16T10:02:52Z) - Feature Clustering for Support Identification in Extreme Regions [5.6928413790238865]
極値の依存構造の一般的な特徴は角測度である。
本稿では,エクストリームの依存構造を評価するための新しい最適化手法を提案する。
論文 参考訳(メタデータ) (2020-08-13T15:51:53Z)
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。