Fugu-MT 論文翻訳(概要): Computing Fuzzy Rough Set based Similarities with Fuzzy Inference and Its Application to Sentence Similarity Computations

論文の概要: Computing Fuzzy Rough Set based Similarities with Fuzzy Inference and Its Application to Sentence Similarity Computations

arxiv url: http://arxiv.org/abs/2107.01170v1
Date: Fri, 2 Jul 2021 16:21:25 GMT
ステータス: 処理完了
システム内更新日: 2021-07-05 12:53:49.042231
Title: Computing Fuzzy Rough Set based Similarities with Fuzzy Inference and Its Application to Sentence Similarity Computations
Title（参考訳）: ファジィ推論を用いたファジィラフ集合の類似性計算と文類似性計算への応用
Authors: Nidhika Yadav
Abstract要約: ファジィ・ラフ・セットによる2つのファジィ・セット間の類似性を計算するためのいくつかの研究イニシアチブが提案されている。本研究の目的は,ファジィ推論エンジンを用いたファジィラフセットに基づく低類似度と上類似度を組み合わせた新しい手法を提案することである。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Several research initiatives have been proposed for computing similarity between two Fuzzy Sets in analysis through Fuzzy Rough Sets. These techniques yield two measures viz. lower similarity and upper similarity. While in most applications only one entity is useful to further analysis and for drawing conclusions. The aim of this paper is to propose novel technique to combine Fuzzy Rough Set based lower similarity and upper similarity using Fuzzy Inference Engine. Further, the proposed approach is applied to the problem computing sentence similarity and have been evaluated on SICK2014 dataset.
Abstract（参考訳）: ファジィ粗集合による解析において、2つのファジィ集合間の類似性を計算するためのいくつかの研究イニシアティブが提案されている。これらの手法は2つの方法をもたらす。低い相似性と高い相似性。ほとんどのアプリケーションでは、1つのエンティティだけがさらなる分析や結論の導出に役立ちます。本稿では,ファジィ推論エンジンを用いたファジィラフセットに基づく低類似度と上類似度を組み合わせた新しい手法を提案する。さらに,提案手法を問題計算文の類似性に適用し,SICK2014データセット上で評価した。

関連論文リスト

Cluster-Aware Similarity Diffusion for Instance Retrieval [64.40171728912702]
拡散に基づく再ランク付け(diffusion-based re-level)は、隣り合うグラフで類似性の伝播を実行することで、インスタンスを検索する一般的な方法である。本稿では,新しいクラスタ・アウェア類似性(CAS)拡散モデルを提案する。
論文参考訳（メタデータ） (2024-06-04T14:19:50Z)
Fuzzy Rough Choquet Distances for Classification [0.6445605125467574]
本稿では,ファジィラフセットに基づく新しいチョケット距離を提案する。提案手法は,ファジィ粗集合理論から得られる属性情報とチョーケ積分の柔軟性を組み合わせたものである。
論文参考訳（メタデータ） (2024-03-18T14:53:48Z)
Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文参考訳（メタデータ） (2022-12-17T05:25:17Z)
Improving Cross-Modal Retrieval with Set of Diverse Embeddings [19.365974066256026]
画像とテキストのモダリティを横断するクロスモーダル検索は、その固有の曖昧さのために難しい課題である。この問題の解決策として、セットベースの埋め込みが研究されている。本稿では,従来の2つの側面において異なる,新しい集合ベースの埋め込み手法を提案する。
論文参考訳（メタデータ） (2022-11-30T05:59:23Z)
Choquet-Based Fuzzy Rough Sets [2.4063592468412276]
ファジィ粗集合論(ファジィ粗集合論、英: Fuzzy rough set theory)は、オブジェクト間の不明瞭性という段階的な概念があるときに、一貫性のないデータを扱うための道具として用いられる。この問題を緩和するために、順序付き重み付き平均(OWA)ベースのファジィ粗集合を導入した。あいまいな定量化の観点から OWA ベースのアプローチを直観的に解釈し,それを Choquet ベースのファジィ粗集合に一般化する方法を示す。
論文参考訳（メタデータ） (2022-02-22T13:10:16Z)
Mean-based Best Arm Identification in Stochastic Bandits under Reward Contamination [80.53485617514707]
本稿では,ギャップベースアルゴリズムと逐次除去に基づく2つのアルゴリズムを提案する。具体的には、ギャップベースのアルゴリズムでは、サンプルの複雑さは定数要素まで最適であり、連続的な除去では対数因子まで最適である。
論文参考訳（メタデータ） (2021-11-14T21:49:58Z)
MNet-Sim: A Multi-layered Semantic Similarity Network to Evaluate Sentence Similarity [0.0]
類似性(英: similarity)は、それが考慮される領域によって異なる比較目的測度である。本稿では,複数の類似度に基づく多層意味類似性ネットワークモデルを提案する。その結果, 文類似性の評価において, 性能スコアが向上していることが判明した。
論文参考訳（メタデータ） (2021-11-09T20:43:18Z)
Estimating leverage scores via rank revealing methods and randomization [50.591267188664666]
任意のランクの正方形密度あるいはスパース行列の統計レバレッジスコアを推定するアルゴリズムについて検討した。提案手法は,高密度およびスパースなランダム化次元性還元変換の合成と階調明細化法を組み合わせることに基づく。
論文参考訳（メタデータ） (2021-05-23T19:21:55Z)
Efficient Clustering from Distributions over Topics [0.0]
本稿では,類似度関数を計算可能な文書の小さなサブセットを識別する手段として,コレクション内の文書上のトピックモデリングアルゴリズムの結果に依存するアプローチを提案する。このアプローチは、科学出版分野における類似文書の特定において、有望な結果を得ることが証明されている。
論文参考訳（メタデータ） (2020-12-15T10:52:19Z)
Uncertainty-Aware Few-Shot Image Classification [118.72423376789062]
ラベル付き限られたデータから新しいカテゴリを認識できる画像分類はほとんどない。画像分類のための不確実性を考慮したFew-Shotフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-09T12:26:27Z)
LSF-Join: Locality Sensitive Filtering for Distributed All-Pairs Set Similarity Under Skew [58.21885402826496]
全ペアセットの類似性は、大規模で高次元のデータセットであっても広く使われているデータマイニングタスクである。我々は,全対集合の類似性を近似するために,新しい分散アルゴリズム LSF-Join を提案する。 LSF-Joinは、小さな類似度閾値やスキュー入力セットであっても、最も近いペアを効率的に見つける。
論文参考訳（メタデータ） (2020-03-06T00:06:20Z)

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。