論文の概要: Cognitive-aware Short-text Understanding for Inferring Professions

• arxiv url: http://arxiv.org/abs/2106.07363v1
• Date: Fri, 4 Jun 2021 13:19:16 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-20 19:37:09.090202
• Title: Cognitive-aware Short-text Understanding for Inferring Professions
• Title（参考訳）: 職業推定のための認知的短文理解
• Authors: Sayna Esmailzadeh, Saeid Hosseini, Mohammad Reza Kangavari, Wen Hua
• Abstract要約: マイクロブログの著者の職業を推定するために短文のコンテンツを活用することは、多くのアプリケーションにおいて大きな利益をもたらす。 本稿では,短文の内容を推論し,認知的特徴を活用できる新しいフレームワークを提案する。 実生活のTwitterデータに関する総合的な実験を行う。
• 参考スコア（独自算出の注目度）: 3.0548622237137426
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Leveraging short-text contents to estimate the occupation of microblog authors has significant gains in many applications. Yet challenges abound. Firstly brief textual contents come with excessive lexical noise that makes the inference problem challenging. Secondly, cognitive-semantics are not evident, and important linguistic features are latent in short-text contents. Thirdly, it is hard to measure the correlation between the cognitive short-text semantics and the features pertaining various occupations. We argue that the multi-aspect cognitive features are needed to correctly associate short-text contents to a particular job and discover suitable people for the careers. To this end, we devise a novel framework that on the one hand, can infer short-text contents and exploit cognitive features, and on the other hand, fuses various adopted novel algorithms, such as curve fitting, support vector, and boosting modules to better predict the occupation of the authors. The final estimation module manufactures the $R^w$-tree via coherence weight to tune the best outcome in the inferring process. We conduct comprehensive experiments on real-life Twitter data. The experimental results show that compared to other rivals, our cognitive multi-aspect model can achieve a higher performance in the career estimation procedure, where it is inevitable to neglect the contextual semantics of users.
• Abstract（参考訳）: 短文コンテンツを利用してマイクロブログ作者の職業を推定することは、多くのアプリケーションで大きな成果を上げている。 しかし、挑戦は多い。 まず、短いテキストの内容には過剰な語彙ノイズが伴い、推論問題を難しくする。 第二に、認知意味論は明確ではなく、重要な言語的特徴は短文の内容に潜んでいる。 第3に、認知的短文意味論と様々な職業の特徴との相関を測ることは困難である。 短文コンテンツを特定の仕事と正しく関連付け、キャリアに適した人物を見つけるためには、マルチアスペクト認知機能が必要であると論じる。 そこで,本稿では,短文内容の推測と認知的特徴の活用が可能な新しい枠組みを考案し,一方で,カーブフィッティングやサポートベクター,モジュールの強化など,様々な新しいアルゴリズムを融合させ,著者の職業性をより正確に予測する手法を提案する。 最後の推定モジュールはコヒーレンス重みによる$R^w$-treeを製造し、推論プロセスの最良の結果を調整する。 実生活のTwitterデータに関する包括的な実験を行う。 実験の結果, 他社と比較して, 認知的マルチアスペクトモデルはキャリア推定手順において高いパフォーマンスを達成でき, ユーザの文脈意味論を無視することが避けられないことがわかった。

関連論文リスト

• Blending Reward Functions via Few Expert Demonstrations for Faithful and Accurate Knowledge-Grounded Dialogue Generation [22.38338205905379]
  我々は、新しい報酬関数を導入することで上記の課題を克服するために強化学習アルゴリズムを活用する。 我々の報奨関数は、精度測定値と忠実度測定値を組み合わせて、生成された応答のバランスの取れた品質判定を提供する。
  論文  参考訳（メタデータ） (2023-11-02T02:42:41Z)
• Acoustic and linguistic representations for speech continuous emotion recognition in call center conversations [2.0653090022137697]
  本稿では,AlloSat corpus へのトランスファー学習の一形態として,事前学習した音声表現の利用について検討する。 実験により,事前学習した特徴を用いて得られた性能の大きな向上を確認した。 驚いたことに、言語内容が満足度予測の主要な要因であることは明らかでした。
  論文  参考訳（メタデータ） (2023-10-06T10:22:51Z)
• Context-faithful Prompting for Large Language Models [51.194410884263135]
  大言語モデル(LLM)は世界事実に関するパラメトリック知識を符号化する。 パラメトリック知識への依存は、文脈的手がかりを見落とし、文脈に敏感なNLPタスクにおいて誤った予測をもたらす可能性がある。 我々は, LLMの文脈的忠実度を, 知識の衝突と, 棄権による予測の2つの側面で評価し, 向上する。
  論文  参考訳（メタデータ） (2023-03-20T17:54:58Z)
• Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
  テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。 本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。 本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
  論文  参考訳（メタデータ） (2022-10-18T10:03:51Z)
• PROMPT WAYWARDNESS: The Curious Case of Discretized Interpretation of Continuous Prompts [99.03864962014431]
  目標タスクの微調整連続プロンプトは、フルモデルの微調整に代わるコンパクトな代替品として登場した。 実際には、連続的なプロンプトによって解決されたタスクと、最も近い隣人との間の「方向」の挙動を観察する。
  論文  参考訳（メタデータ） (2021-12-15T18:55:05Z)
• EmoDNN: Understanding emotions from short texts through a deep neural network ensemble [2.459874436804819]
  本稿では,短い内容から潜伏した個々の側面を推定する枠組みを提案する。 また,テキストコンテキストから感情を抽出する動的ドロップアウト共振器を備えた新しいアンサンブル分類器を提案する。 提案モデルでは,ノイズのある内容から感情を認識する上で,高い性能を実現することができる。
  論文  参考訳（メタデータ） (2021-06-03T09:17:34Z)
• Reciprocal Feature Learning via Explicit and Implicit Tasks in Scene Text Recognition [60.36540008537054]
  本研究では,従来のテキスト認識における文字数カウントという暗黙のタスクを,追加的な注釈コストなしで発掘する。 両タスクの機能を適切に活用するために,2分岐の相反的特徴学習フレームワークを設計する。 7つのベンチマークの実験では、テキスト認識と新しい文字カウントタスクの両方において提案手法の利点が示されている。
  論文  参考訳（メタデータ） (2021-05-13T12:27:35Z)
• Intrinsic Probing through Dimension Selection [69.52439198455438]
  現代のほとんどのNLPシステムは、様々なタスクにおいて驚くほど高いパフォーマンスが得られる事前訓練された文脈表現を使用している。 このような高いパフォーマンスは、ある種の言語構造がこれらの表現に根ざしない限りはあり得ず、それを探究する研究が盛んに行われている。 本稿では,言語情報が表現内でどのように構造化されているかを示す内在的探索と,先行研究で広く普及している外在的探索とを区別し,抽出に成功したことを示すことによって,そのような情報の存在を主張するのみである。
  論文  参考訳（メタデータ） (2020-10-06T15:21:08Z)
• Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
  我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。 係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-05T17:27:31Z)

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。