論文の概要: TopicTracker: A Platform for Topic Trajectory Identification and Visualisation

• arxiv url: http://arxiv.org/abs/2103.01432v1
• Date: Tue, 2 Mar 2021 02:58:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-03-03 16:10:51.873094
• Title: TopicTracker: A Platform for Topic Trajectory Identification and Visualisation
• Title（参考訳）: TopicTracker: トピックの軌道識別と可視化のためのプラットフォーム
• Authors: Yong-Bin Kang and Timos Sellis
• Abstract要約: トピックの軌跡識別と可視化のためのプラットフォームであるTopicTrackerについて述べる。 Topic Trackerの鍵は、情報の3つの側面を一緒に表現できることです。
• 参考スコア（独自算出の注目度）: 11.452005843482612
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Topic trajectory information provides crucial insight into the dynamics of topics and their evolutionary relationships over a given time. Also, this information can help to improve our understanding on how new topics have emerged or formed through a sequential or interrelated events of emergence, modification and integration of prior topics. Nevertheless, the implementation of the existing methods for topic trajectory identification is rarely available as usable software. In this paper, we present TopicTracker, a platform for topic trajectory identification and visualisation. The key of Topic Tracker is that it can represent the three facets of information together, given two kinds of input: a time-stamped topic profile consisting of the set of the underlying topics over time, and the evolution strength matrix among them: evolutionary pathways of dynamic topics, evolution states of the topics, and topic importance. TopicTracker is a publicly available software implemented using the R software.
• Abstract（参考訳）: トピックの軌跡情報は、特定の時間におけるトピックとその進化的関係のダイナミクスに関する重要な洞察を提供する。 また、この情報は、前回のトピックの出現、修正、統合に関するシーケンシャルまたは相互関連イベントを通じて、新しいトピックがどのように出現または形成されたかを理解するのに役立つ。 それにもかかわらず、トピック軌道識別のための既存の方法の実装は、使用可能なソフトウェアとしてほとんど利用できません。 本稿では,トピックトラック識別と可視化のためのプラットフォームである topictracker を提案する。 トピックトラッカーの鍵は、情報の3つの側面を一緒に表現できることです。2つの種類の入力が与えられます:時間の経過とともに基礎となるトピックのセットからなるタイムスタンプされたトピックプロファイルとその中の進化強度マトリックス:動的トピックの進化経路、トピックの進化状態、およびトピックの重要性。 TopicTrackerは、Rソフトウェアを使って実装された公開ソフトウェアである。

関連論文リスト

• Bundle Fragments into a Whole: Mining More Complete Clusters via Submodular Selection of Interesting webpages for Web Topic Detection [49.8035161337388]
  最先端のソリューションは、まず、Webページを多数の粒度トピック候補にまとめることである。 ホットトピックは、その面白さを推定することによってさらに特定される。 本稿では,フラグメントからより完全なホットトピックを抽出するためのバンドル・リフィニング手法を提案する。
  論文  参考訳（メタデータ） (2024-09-19T00:46:31Z)
• GPTopic: Dynamic and Interactive Topic Representations [0.0]
  GPTopicは、LLM(Large Language Models)を利用して動的でインタラクティブなトピック表現を作成するソフトウェアパッケージである。 GPTopicは、対話的にトピックを探索、分析、洗練するための直感的なチャットインターフェイスを提供する。
  論文  参考訳（メタデータ） (2024-03-06T11:34:20Z)
• End-to-end Tracking with a Multi-query Transformer [96.13468602635082]
  マルチオブジェクトトラッキング(MOT)は、時間とともにシーン内のオブジェクトの位置、外観、アイデンティティを同時に推論する必要がある課題である。 本研究の目的は、トラッキング・バイ・ディテクト・アプローチを超えて、未知のオブジェクト・クラスに対してもよく機能するクラスに依存しないトラッキングへと移行することである。
  論文  参考訳（メタデータ） (2022-10-26T10:19:37Z)
• Topic Taxonomy Expansion via Hierarchy-Aware Topic Phrase Generation [58.3921103230647]
  TopicExpanというトピック分類拡張のための新しいフレームワークを提案する。 TopicExpanは、新しいトピックに属するトピック関連用語を直接生成する。 2つの実世界のテキストコーパスの実験結果から、TopicExpanは出力の質という点で他のベースライン手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-10-18T22:38:49Z)
• Sequential Topic Selection Model with Latent Variable for Topic-Grounded Dialogue [21.1427816176227]
  我々は,すべての会話における話題遷移を活用するために,SGTA(Sequential Global Topic Attention)という新しいアプローチを提案する。 我々のモデルは予測および生成タスクの競争ベースラインを上回っている。
  論文  参考訳（メタデータ） (2022-10-17T07:34:14Z)
• Semantically-enhanced Topic Recommendation System for Software Projects [2.0625936401496237]
  ソフトウェアリポジトリに関連するトピックをタグ付けすることで、さまざまなダウンストリームタスクを容易にすることができる。 ソフトウェアプロジェクトにトピックを推奨する作業は行われているが、これらのトピック間のセマンティックな関係は、これまで利用されていない。 トピック間のセマンティックな関係を組み込んだ,ソフトウェアプロジェクトへのタグ付けのための2つの推奨モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-31T19:54:42Z)
• OTTers: One-turn Topic Transitions for Open-Domain Dialogue [11.305029351461306]
  オープンドメイン対話における混合イニシアティブは、新しいトピックを積極的に導入するシステムを必要とする。 1ターンのトピック遷移タスクは、システムが協調的で一貫性のある方法で2つのトピックを接続する方法を探索する。
  論文  参考訳（メタデータ） (2021-05-28T10:16:59Z)
• Response Selection for Multi-Party Conversations with Dynamic Topic Tracking [63.15158355071206]
  我々は、応答と関連する会話コンテキストの間のトピックを一致させるために、動的トピック追跡タスクとして応答選択をフレーム化する。 本研究では,大規模な事前学習モデルによる効率的な符号化を支援する新しいマルチタスク学習フレームワークを提案する。 DSTC-8 Ubuntu IRCデータセットの実験結果は、応答選択とトピックのアンタングル化タスクにおける最先端の結果を示している。
  論文  参考訳（メタデータ） (2020-10-15T14:21:38Z)
• Topic-Aware Multi-turn Dialogue Modeling [91.52820664879432]
  本稿では,トピック認識発話を教師なしでセグメント化して抽出する,多元対話モデリングのための新しいソリューションを提案する。 トピック・アウェア・モデリングは、新たに提案されたトピック・アウェア・セグメンテーション・アルゴリズムとトピック・アウェア・デュアル・アテンション・マッチング(TADAM)ネットワークによって実現されている。
  論文  参考訳（メタデータ） (2020-09-26T08:43:06Z)
• Visual Tracking by TridentAlign and Context Embedding [71.60159881028432]
  本稿では,Siamese ネットワークに基づく視覚的トラッキングのための新しい TridentAlign とコンテキスト埋め込みモジュールを提案する。 提案トラッカーの性能は最先端トラッカーに匹敵するが,提案トラッカーはリアルタイムに動作可能である。
  論文  参考訳（メタデータ） (2020-07-14T08:00:26Z)

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。