論文の概要: Contextual Bandits with Sparse Data in Web setting

• arxiv url: http://arxiv.org/abs/2105.02873v1
• Date: Thu, 6 May 2021 17:58:13 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 13:49:50.265017
• Title: Contextual Bandits with Sparse Data in Web setting
• Title（参考訳）: web設定におけるスパースデータを用いたコンテキストバンディット
• Authors: Bj\"orn H Eriksson
• Abstract要約: 2017-2020年の調査と19の方法記事の特定、2つのレビュー記事。 5つの方法が説明されており、特定の設定で変更可能なメソッドを使用して、コンテキスト上の包帯を使用してスパースデータに対処する方法を簡単に選択できます。 Web設定におけるコンテキスト境界を用いたスパースなデータ問題の全体的更新された理解が与えられる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: This paper is a scoping study to identify current methods used in handling sparse data with contextual bandits in web settings. The area is highly current and state of the art methods are identified. The years 2017-2020 are investigated, and 19 method articles are identified, and two review articles. Five categories of methods are described, making it easy to choose how to address sparse data using contextual bandits with a method available for modification in the specific setting of concern. In addition, each method has multiple techniques to choose from for future evaluation. The problem areas are also mentioned that each article covers. An overall updated understanding of sparse data problems using contextual bandits in web settings is given. The identified methods are policy evaluation (off-line and on-line) , hybrid-method, model representation (clusters and deep neural networks), dimensionality reduction, and simulation.
• Abstract（参考訳）: 本稿では,Web環境におけるスパースデータ処理における現在の手法を,コンテキスト的帯域幅で同定するスコーピング手法を提案する。 この領域は高度に流れており、工法の現状が特定されている。 2017-2020年を調査し、19の方法項目と2つのレビュー項目を同定した。 5つのカテゴリの手法が述べられており、特定の関心事の設定を変更できる手法を用いて、文脈的包帯を用いてスパースデータに対処する方法を簡単に選択できる。 さらに,各手法は今後の評価のために複数の手法を選択できる。 問題領域は各記事がカバーしていることにも言及されている。 Web設定におけるコンテキスト帯を用いたスパースデータ問題に対する総合的な理解が提供される。 特定された方法は、ポリシー評価(オフラインおよびオンライン)、ハイブリッドメソッド、モデル表現(クラスタとディープニューラルネットワーク)、次元減少、シミュレーションである。

関連論文リスト

• Employing Sentence Space Embedding for Classification of Data Stream from Fake News Domain [0.24999074238880487]
  本稿では,文空間法を用いた自然言語データストリーム分類手法を提案する。 画像分類専用の畳み込みディープネットワークを使用することで、テキストデータに基づいてフェイクニュースを認識できる。 実生活のFakedditデータセットに基づいて,提案手法をデータストリーム分類のための最先端アルゴリズムと比較した。
  論文  参考訳（メタデータ） (2024-07-15T15:23:21Z)
• Detecting Statements in Text: A Domain-Agnostic Few-Shot Solution [1.3654846342364308]
  最先端のアプローチは通常、作成にコストがかかる大規模な注釈付きデータセット上の微調整モデルを含む。 本稿では,クレームに基づくテキスト分類タスクの共通パラダイムとして,定性的で多目的な少ショット学習手法の提案とリリースを行う。 本手法は,気候変動対策,トピック/スタンス分類,うつ病関連症状検出の3つの課題の文脈で説明する。
  論文  参考訳（メタデータ） (2024-05-09T12:03:38Z)
• RGB-D-Based Categorical Object Pose and Shape Estimation: Methods, Datasets, and Evaluation [5.71097144710995]
  この研究は、メソッド、データセット、評価プロトコルの観点から、この分野の概要を提供する。 我々は、メトリクスやデータセットを含む主要な評価プロトコルを批判的に見ていく。 我々は、新しいメトリクスセットを提案し、Redwoodデータセットに新しいアノテーションを提供し、公正な比較で最先端の手法を評価する。
  論文  参考訳（メタデータ） (2023-01-19T15:59:10Z)
• SpaText: Spatio-Textual Representation for Controllable Image Generation [61.89548017729586]
  SpaTextはオープン語彙シーン制御を用いたテキスト・ツー・イメージ生成の新しい手法である。 シーン全体を記述したグローバルテキストプロンプトに加えて、ユーザはセグメンテーションマップを提供する。 現状拡散モデルである画素ベースと潜在条件ベースでの有効性を示す。
  論文  参考訳（メタデータ） (2022-11-25T18:59:10Z)
• A Deep Learning Anomaly Detection Method in Textual Data [0.45687771576879593]
  本稿では,従来の機械学習アルゴリズムと組み合わせたディープラーニングとトランスフォーマーアーキテクチャを提案する。 我々は、異常を予測するために、文変換器、オート、ロジスティック回帰、距離計算など、複数の機械学習手法を使用した。
  論文  参考訳（メタデータ） (2022-11-25T05:18:13Z)
• Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or Something Else? [93.91375268580806]
  政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。 既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。 既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
  論文  参考訳（メタデータ） (2021-11-09T13:30:34Z)
• Toward the Understanding of Deep Text Matching Models for Information Retrieval [72.72380690535766]
  本稿では,既存の深層テキストマッチング手法が情報検索の基本的な勾配を満たすかどうかを検証することを目的とする。 具体的には, 項周波数制約, 項識別制約, 長さ正規化制約, TF長制約の4つの属性を用いる。 LETOR 4.0 と MS Marco の実験結果から,研究対象の深層テキストマッチング手法はすべて,統計学において高い確率で上記の制約を満たすことが示された。
  論文  参考訳（メタデータ） (2021-08-16T13:33:15Z)
• Comprehensive Studies for Arbitrary-shape Scene Text Detection [78.50639779134944]
  ボトムアップに基づくシーンテキスト検出のための統合フレームワークを提案する。 統一されたフレームワークの下では、非コアモジュールの一貫性のある設定が保証されます。 包括的調査と精巧な分析により、以前のモデルの利点と欠点を明らかにしている。
  論文  参考訳（メタデータ） (2021-07-25T13:18:55Z)
• A Survey on Deep Semi-supervised Learning [51.26862262550445]
  まず,既存の手法を分類した深層半指導学習の分類法を提案する。 次に、損失の種類、貢献度、アーキテクチャの違いの観点から、これらのメソッドを詳細に比較します。
  論文  参考訳（メタデータ） (2021-02-28T16:22:58Z)
• A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
  過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。 本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。 特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
  論文  参考訳（メタデータ） (2020-08-02T00:09:03Z)

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。