論文の概要: WHOSe Heritage: Classification of UNESCO World Heritage "Outstanding
Universal Value" Documents with Smoothed Labels
- arxiv url: http://arxiv.org/abs/2104.05547v1
- Date: Mon, 12 Apr 2021 15:18:41 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-13 14:02:56.496382
- Title: WHOSe Heritage: Classification of UNESCO World Heritage "Outstanding
Universal Value" Documents with Smoothed Labels
- Title（参考訳）: WHOSeの遺産:ユネスコの世界遺産「万能の普遍的価値」とスムースラベルの分類
- Authors: Nan Bai, Renqian Luo, Pirouz Nourian, Ana Pereira Roders
- Abstract要約: 本研究は, 最新のnlpモデルを用いて, 公式のuv正当化文を含む新しい実世界のデータセット上に分類器を構築する。
ラベル平滑化は革新的に、タスクをマルチクラス分類とマルチラベル分類にスムーズに変換するために適応する。
この研究は、BERTとULMFiTから微調整された最良のモデルが94.3%のトップ3の精度に達することを示した。
- 参考スコア（独自算出の注目度）: 1.6440434996206623
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The UNESCO World Heritage List (WHL) is to identify the exceptionally
valuable cultural and natural heritage to be preserved for mankind as a whole.
Evaluating and justifying the Outstanding Universal Value (OUV) of each
nomination in WHL is essentially important for a property to be inscribed, and
yet a complex task even for experts since the criteria are not mutually
exclusive. Furthermore, manual annotation of heritage values, which is
currently dominant in the field, is knowledge-demanding and time-consuming,
impeding systematic analysis of such authoritative documents in terms of their
implications on heritage management. This study applies state-of-the-art NLP
models to build a classifier on a new real-world dataset containing official
OUV justification statements, seeking an explainable, scalable, and less biased
automation tool to facilitate the nomination, evaluation, and monitoring
processes of World Heritage properties. Label smoothing is innovatively adapted
to transform the task smoothly between multi-class and multi-label
classification by adding prior inter-class relationship knowledge into the
labels, improving the performance of most baselines. The study shows that the
best models fine-tuned from BERT and ULMFiT can reach 94.3% top-3 accuracy,
which is promising to be further developed and applied in heritage research and
practice.
- Abstract（参考訳）: ユネスコ世界遺産リスト(英語: UNESCO World Heritage List、略称:WHL)は、人類全体にとって非常に貴重な文化的・自然遺産である。
WHLにおける各指名の普遍的価値(OUV)の評価と正当化は、本質的には、登録される財産にとって重要であるが、基準が相互に排他的ではないため、専門家にとっても複雑な課題である。
さらに、現在この分野で主流となっている遺産価値の手動アノテーションは、知識の要求と時間的消費であり、遺産管理に影響を及ぼすような権威文書の体系的な分析を妨げている。
本研究は,最新のnlpモデルを用いて,世界遺産の選定,評価,監視を容易にするための,説明可能でスケーラブルでバイアスの少ない自動化ツールを求めて,公式のuv正当化文を含む新たな実世界のデータセット上で分類器を構築する。
ラベルスムーシングは、従来のクラス間関係知識をラベルに加えることで、マルチクラスとマルチラベルの分類をスムーズに変換し、ほとんどのベースラインの性能を向上させる。
この研究は、BERT と ULMFiT から微調整された最良のモデルが94.3%のトップ3の精度に達することを示しており、遺産の研究や実践にさらなる発展と応用が期待されている。
関連論文リスト
- Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。
生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。
我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
論文 参考訳（メタデータ） (2024-10-02T20:48:28Z) - LocalValueBench: A Collaboratively Built and Extensible Benchmark for Evaluating Localized Value Alignment and Ethical Safety in Large Language Models [0.0]
大規模言語モデル(LLM)の普及は、その局所的価値や倫理的基準との整合性をしっかりと評価する必要がある。
textscLocalValueBenchは、LLMがオーストラリアの値に準拠していることを評価するために設計されたベンチマークである。
論文 参考訳（メタデータ） (2024-07-27T05:55:42Z) - HD-Eval: Aligning Large Language Model Evaluators Through Hierarchical
Criteria Decomposition [92.17397504834825]
HD-Evalは、大規模な言語モデル評価ツールと人間の好みを反復的に調整するフレームワークである。
HD-Evalは、人間の専門家の評価思想から本質を継承し、LLMに基づく評価器のアライメントを強化する。
3つの評価領域に関する広範囲な実験は、HD-Evalのさらなる整合状態評価器の優位性を実証している。
論文 参考訳（メタデータ） (2024-02-24T08:01:32Z) - Modeling Legal Reasoning: LM Annotation at the Edge of Human Agreement [3.537369004801589]
我々は法学哲学に基づく法学推論の分類について研究する。
我々は、ドメインの専門家チームによって注釈付けされた、アメリカ合衆国最高裁判所の歴史的意見の新しいデータセットを使用します。
生成モデルは、人間のアノテーションに提示される命令と同等の命令が与えられた場合、性能が良くないことがわかった。
論文 参考訳（メタデータ） (2023-10-27T19:27:59Z) - Towards Verifiable Generation: A Benchmark for Knowledge-aware Language Model Attribution [48.86322922826514]
本稿では,知識認識型言語モデル属性(KaLMA)の新たな課題について述べる。
まず、属性のソースを構造化されていないテキストから知識グラフ(KG)に拡張し、そのリッチな構造は属性のパフォーマンスと作業シナリオの両方に役立ちます。
第2に,不完全な知識リポジトリを考慮した「意識的非能力」の設定を提案する。
第3に,テキスト品質,引用品質,引用アライメントを含む総合的な自動評価指標を提案する。
論文 参考訳（メタデータ） (2023-10-09T11:45:59Z) - Robust Representation Learning for Unreliable Partial Label Learning [86.909511808373]
部分ラベル学習(Partial Label Learning, PLL)は、弱い教師付き学習の一種で、各トレーニングインスタンスに候補ラベルのセットが割り当てられる。
これはUn Reliable partial Label Learning (UPLL) と呼ばれ、部分ラベルの本質的な信頼性の欠如とあいまいさにより、さらなる複雑さをもたらす。
本研究では,信頼できない部分ラベルに対するモデル強化を支援するために,信頼性に欠けるコントラスト学習を活用するUnreliability-Robust Representation Learning framework(URRL)を提案する。
論文 参考訳（メタデータ） (2023-08-31T13:37:28Z) - Deep Dive into the Language of International Relations: NLP-based
Analysis of UNESCO's Summary Records [0.0]
ユネスコ世界遺産リスト(UNESCO World Heritage List)とユネスコ人文科学遺産代表リスト(UNESCO Representative List of the Intangible Cultural Heritage of Humanity)の碑文は、しばしば国家間の緊張と紛争につながる。
本稿では,ユネスコの要約記録に基づくトピックモデリングとテンション検出手法を提案する。
我々は外交官、弁護士、政治科学者、国際関係研究者向けのアプリケーションを開発した。
論文 参考訳（メタデータ） (2023-07-31T11:06:08Z) - KoLA: Carefully Benchmarking World Knowledge of Large Language Models [87.96683299084788]
我々は知識指向LLMアセスメントベンチマーク(KoLA)を構築した。
人間の認知を模倣して、知識関連能力の4段階の分類を形成し、19ドルのタスクをカバーします。
私たちは、LLMによって事前訓練されたコーパスであるウィキペディアと、継続的に収集された新興コーパスを使用して、目に見えないデータや進化する知識を扱う能力を評価します。
論文 参考訳（メタデータ） (2023-06-15T17:20:46Z) - Heterogeneous Value Alignment Evaluation for Large Language Models [91.96728871418]
大規模言語モデル(LLM)は、その価値を人間のものと整合させることを重要視している。
本研究では,LLMと不均一値の整合性を評価するため,不均一値アライメント評価(HVAE)システムを提案する。
論文 参考訳（メタデータ） (2023-05-26T02:34:20Z) - Heri-Graphs: A Workflow of Creating Datasets for Multi-modal Machine
Learning on Graphs of Heritage Values and Attributes with Social Media [7.318997639507268]
価値(なぜ保存されるのか)と属性(なぜ保存されるのか)は文化遺産の本質的な概念である。
近年の研究では、ソーシャルメディアを用いて、大衆が文化遺産に伝達する価値と属性をマッピングしている。
本研究では,Flickr 上のポストや画像を用いたマルチモーダルデータセット構築のための方法論的ワークフローを提案する。
論文 参考訳（メタデータ） (2022-05-16T09:45:45Z)
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。