論文の概要: How Did This Get Funded?! Automatically Identifying Quirky Scientific Achievements

• arxiv url: http://arxiv.org/abs/2106.03048v1
• Date: Sun, 6 Jun 2021 06:54:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-13 21:12:09.089395
• Title: How Did This Get Funded?! Automatically Identifying Quirky Scientific Achievements
• Title（参考訳）: 資金はどうやって得たの? 科学的成果の自動同定
• Authors: Chen Shani, Nadav Borenstein, Dafna Shahaf
• Abstract要約: 覚醒は重要な社会現象であり、複雑な社会的・心理的機能に寄与する。 何千年も研究されてきたが、ユーモアはコンピュータではあまり理解されていない。 ユーモアマイニングにおいて,面白く珍しい科学的論文を自動的に検出する新たな設定を導入する。
• 参考スコア（独自算出の注目度）: 8.709240258816303
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Humor is an important social phenomenon, serving complex social and psychological functions. However, despite being studied for millennia humor is computationally not well understood, often considered an AI-complete problem. In this work, we introduce a novel setting in humor mining: automatically detecting funny and unusual scientific papers. We are inspired by the Ig Nobel prize, a satirical prize awarded annually to celebrate funny scientific achievements (example past winner: "Are cows more likely to lie down the longer they stand?"). This challenging task has unique characteristics that make it particularly suitable for automatic learning. We construct a dataset containing thousands of funny papers and use it to learn classifiers, combining findings from psychology and linguistics with recent advances in NLP. We use our models to identify potentially funny papers in a large dataset of over 630,000 articles. The results demonstrate the potential of our methods, and more broadly the utility of integrating state-of-the-art NLP methods with insights from more traditional disciplines.
• Abstract（参考訳）: 覚醒は重要な社会現象であり、複雑な社会的・心理的機能に寄与する。 しかし、ミレニアムのユーモアについて研究されているにもかかわらず、計算的にはあまり理解されておらず、しばしばAI完全問題と見なされる。 本研究では,ユーモアマイニングにおいて,面白い科学論文を自動的に検出する新しい設定を提案する。 igノーベル賞(イグノーベル賞、英: ig nobel prize)は、科学的な功績を称えるために毎年授与される風刺賞である。 この課題には、特に自動学習に適したユニークな特徴がある。 我々は、何千もの面白い論文を含むデータセットを構築し、それを分類器の学習に利用し、心理学と言語学の知見と最近のNLPの進歩を組み合わせた。 当社のモデルは,63万以上の記事からなる大規模なデータセットで,潜在的に面白い論文を特定するために使用しています。 その結果,本手法の可能性を実証し,より広範に従来の分野からの洞察と最先端のNLP手法を統合することの有用性を示した。

関連論文リスト

• Mitigating Copy Bias in In-Context Learning through Neuron Pruning [74.91243772654519]
  大規模言語モデル(LLM)は、コンテキスト内学習能力に目を見張るものはほとんどない。 それらは、基礎となるパターンを学ぶ代わりに、提供された例から回答をコピーする。 このような複写バイアスを軽減するための,新しい簡易な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-02T07:18:16Z)
• The Nature of NLP: Analyzing Contributions in NLP Papers [77.31665252336157]
  我々は,NLP研究を構成するものについて,研究論文から定量的に検討する。 以上の結果から,NLPにおける機械学習の関与は,90年代前半から増加傾向にあることが明らかとなった。 2020年以降、言語と人々への関心が復活した。
  論文  参考訳（メタデータ） (2024-09-29T01:29:28Z)
• The AI Scientist: Towards Fully Automated Open-Ended Scientific Discovery [14.465756130099091]
  本稿では,完全自動科学的発見のための最初の包括的枠組みについて述べる。 我々は、新しい研究アイデアを生成し、コードを書き、実験を実行し、結果を視覚化し、その結果を説明するThe AI Scientistを紹介します。 原則として、このプロセスは、人間の科学コミュニティのように行動しながら、オープンな方法でアイデアを反復的に発展させることができる。
  論文  参考訳（メタデータ） (2024-08-12T16:58:11Z)
• Artificial intelligence to automate the systematic review of scientific literature [0.0]
  我々は過去15年間に提案されたAI技術について,研究者が科学的文献の体系的な分析を行うのを助けるために調査を行った。 現在サポートされているタスク、適用されるアルゴリズムの種類、34の初等研究で提案されているツールについて説明する。
  論文  参考訳（メタデータ） (2024-01-13T19:12:49Z)
• Beyond Good Intentions: Reporting the Research Landscape of NLP for Social Good [115.1507728564964]
  NLP4SG Papersは3つのタスクを関連づけた科学データセットである。 これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。 現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
  論文  参考訳（メタデータ） (2023-05-09T14:16:25Z)
• Reproducibility of Machine Learning: Terminology, Recommendations and Open Issues [5.30596984761294]
  危機が最近科学者によって認識され、これはさらに人工知能と機械学習に影響を及ぼしているようだ。 私たちは、このトピックに関する現在の文献を批判的にレビューし、オープンな問題を強調します。 現代の機械学習でよく見過ごされる重要な要素を特定し、それらの新しい推奨事項を提供します。
  論文  参考訳（メタデータ） (2023-02-24T15:33:20Z)
• ExPUNations: Augmenting Puns with Keywords and Explanations [88.58174386894913]
  我々は、キーワードの詳細なクラウドソースアノテーションで既存の句のデータセットを拡張する。 これは、パント専用の広範囲できめ細かなアノテーションを備えた最初のユーモアデータセットである。 句分類支援のための説明生成とキーワード条件付き句生成という2つのタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-24T18:12:02Z)
• Towards Multimodal Prediction of Spontaneous Humour: A Novel Dataset and First Results [84.37263300062597]
  風は人間の社会的行動、感情、認知の重要な要素である。 現在のユーモア検出法は、ステージ化されたデータのみに基づいており、「現実世界」の応用には不十分である。 約11時間の記録を含むPassau-Spontaneous Football Coach Humorデータセットを導入することで,この障害への対処に寄与する。
  論文  参考訳（メタデータ） (2022-09-28T17:36:47Z)
• Automated Utterance Labeling of Conversations Using Natural Language Processing [18.46338683950194]
  本研究では,NLP法によって生成される自動ラベルが,成人移行における会話の文脈において,人間のラベルにどのように匹敵するかを考察した。 その結果,ドメイン適応型深層学習法(RoBERTa-CON)は,他の機械学習手法よりも優れていた。
  論文  参考訳（メタデータ） (2022-08-12T23:03:45Z)
• Word Embedding for Social Sciences: An Interdisciplinary Survey [9.657531563610767]
  我々は,調査論文の方法と手順を説明するための分類学を構築した。 この調査はまた、文献で使われる共通類似度の測定が異なる結果をもたらすことを警告するための簡単な実験も行った。
  論文  参考訳（メタデータ） (2022-07-07T04:49:21Z)
• Information-Theoretic Probing for Linguistic Structure [74.04862204427944]
  本稿では,相互情報を推定するための情報理論による探索運用手法を提案する。 我々は,NLP研究でしばしば不足している10の型的多様言語について評価した。
  論文  参考訳（メタデータ） (2020-04-07T01:06:36Z)

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。