Fugu-MT 論文翻訳(概要): Graph Convolutional Network for Swahili News Classification

論文の概要: Graph Convolutional Network for Swahili News Classification

arxiv url: http://arxiv.org/abs/2103.09325v1
Date: Tue, 16 Mar 2021 21:03:47 GMT
ステータス: 処理完了
システム内更新日: 2021-03-18 13:09:28.024207
Title: Graph Convolutional Network for Swahili News Classification
Title（参考訳）: スワヒリニュース分類のためのグラフ畳み込みネットワーク
Authors: Alexandros Kastanos and Tyler Martin
Abstract要約: この研究は、半教師付きスワヒリニュース分類のタスクにおいて、テキストグラフ畳み込みネットワーク(Text GCN)が従来の自然言語処理ベンチマークより優れていることを実証的に示す。
参考スコア（独自算出の注目度）: 78.6363825307044
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work empirically demonstrates the ability of Text Graph Convolutional Network (Text GCN) to outperform traditional natural language processing benchmarks for the task of semi-supervised Swahili news classification. In particular, we focus our experimentation on the sparsely-labelled semi-supervised context which is representative of the practical constraints facing low-resourced African languages. We follow up on this result by introducing a variant of the Text GCN model which utilises a bag of words embedding rather than a naive one-hot encoding to reduce the memory footprint of Text GCN whilst demonstrating similar predictive performance.
Abstract（参考訳）: この研究は、半教師付きスワヒリニュース分類のタスクにおいて、テキストグラフ畳み込みネットワーク(Text GCN)が従来の自然言語処理ベンチマークより優れていることを実証的に示す。特に,低資源のアフリカ語に直面する実用的な制約を代表して,疎結合な半教師付き文脈に着目した実験を行った。そこで本研究では,テキストGCNのメモリフットプリントを減少させるため,テキストGCNモデルの変種を導入し,テキストGCNのメモリフットプリントを減少させる手法を提案する。

関連論文リスト

Chinese Financial Text Emotion Mining: GCGTS -- A Character Relationship-based Approach for Simultaneous Aspect-Opinion Pair Extraction [7.484918031250864]
中国の財務文献からのアスペクト・オピニオン・ペア抽出(AOPE)は、微粒テキスト感情分析の専門課題である。従来の研究は主に、この抽出プロセスを容易にするためにグリッドモデル内のグリッドアノテーションスキームの開発に重点を置いてきた。我々は、GCGTS(Graph-based Character-level Grid Tagging Scheme)と呼ばれる新しい手法を提案する。 GCGTS法は、グラフ畳み込みネットワーク(GCN)を用いた構文構造を明示的に取り入れ、同じ意味単位(中国語の単語レベル)内で文字の符号化を統一する。
論文参考訳（メタデータ） (2023-08-04T02:20:56Z)
Scalable Learning of Latent Language Structure With Logical Offline Cycle Consistency [71.42261918225773]
概念的には、LOCCOは、トレーニング対象のセマンティクスを使用してラベルなしテキストのアノテーションを生成する、自己学習の一形態と見なすことができる。追加ボーナスとして、LOCCOによって生成されたアノテーションは、神経テキスト生成モデルをトレーニングするために自明に再利用することができる。
論文参考訳（メタデータ） (2023-05-31T16:47:20Z)
ChatGPT Informed Graph Neural Network for Stock Movement Prediction [8.889701868315717]
グラフニューラルネットワーク(GNN)を強化するためにChatGPTのグラフ推論機能を活用する新しいフレームワークを提案する。筆者らのフレームワークは,テキストデータから進化するネットワーク構造を十分に抽出し,これらのネットワークをグラフニューラルネットワークに組み込んで,その後の予測作業を行う。
論文参考訳（メタデータ） (2023-05-28T21:11:59Z)
ChatGraph: Interpretable Text Classification by Converting ChatGPT Knowledge to Graphs [54.48467003509595]
ChatGPTは、様々な自然言語処理(NLP)タスクにおいて優れたパフォーマンスを示している。テキスト分類などの特定のタスクにChatGPTのパワーを利用する新しいフレームワークを提案する。本手法は,従来のテキスト分類法と比較して,より透過的な意思決定プロセスを提供する。
論文参考訳（メタデータ） (2023-05-03T19:57:43Z)
Multi-Task Text Classification using Graph Convolutional Networks for Large-Scale Low Resource Language [5.197307534263253]
Graph Convolutional Networks (GCN)は、単一のテキスト分類タスクで最先端の結果を得た。マルチタスクテキスト分類にGCNを適用することは、未調査領域である。我々は,4つの自然言語処理(NLP)タスクに対して,単一タスクとマルチタスク設定でGCNをTelugu言語に使用することを検討した。
論文参考訳（メタデータ） (2022-05-02T20:44:12Z)
TextRGNN: Residual Graph Neural Networks for Text Classification [13.912147013558846]
TextRGNNは改良されたGNN構造であり、畳み込みネットワークの深さを深くする残差接続を導入している。我々の構造はより広いノード受容場を得ることができ、ノード特徴の過度な平滑化を効果的に抑制できる。コーパスレベルであれテキストレベルであれ、分類精度を大幅に向上させ、幅広いテキスト分類データセット上でSOTA性能を達成することができる。
論文参考訳（メタデータ） (2021-12-30T13:48:58Z)
GTAE: Graph-Transformer based Auto-Encoders for Linguistic-Constrained Text Style Transfer [119.70961704127157]
近年,非並列テキストスタイルの転送が研究の関心を集めている。現在のアプローチでは、元の文の内容やロジックを保存できない。文を言語グラフとしてモデル化し,グラフレベルで特徴抽出とスタイル転送を行う,グラフトランスフォーマーベースのAuto-GTAEを提案する。
論文参考訳（メタデータ） (2021-02-01T11:08:45Z)
Be More with Less: Hypergraph Attention Networks for Inductive Text Classification [56.98218530073927]
グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
論文参考訳（メタデータ） (2020-11-01T00:21:59Z)
GINet: Graph Interaction Network for Scene Parsing [58.394591509215005]
画像領域に対する文脈推論を促進するために,グラフインタラクションユニット(GIユニット)とセマンティックコンテキストロス(SC-loss)を提案する。提案されたGINetは、Pascal-ContextやCOCO Stuffなど、一般的なベンチマークにおける最先端のアプローチよりも優れている。
論文参考訳（メタデータ） (2020-09-14T02:52:45Z)
VGCN-BERT: Augmenting BERT with Graph Embedding for Text Classification [21.96079052962283]
VGCN-BERTモデルは、BERTとVocabulary Graph Convolutional Network(VGCN)の機能を組み合わせるいくつかのテキスト分類データセットの実験では、BERTとGCNを単独で比較した。
論文参考訳（メタデータ） (2020-04-12T22:02:33Z)

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。