論文の概要: Fuzzy-Rough Nearest Neighbour Approaches for Emotion Detection in Tweets
- arxiv url: http://arxiv.org/abs/2107.05392v1
- Date: Thu, 8 Jul 2021 12:52:47 GMT
- ステータス: 処理完了
- システム内更新日: 2021-07-13 16:18:01.270427
- Title: Fuzzy-Rough Nearest Neighbour Approaches for Emotion Detection in Tweets
- Title(参考訳): つぶやきの感情検出のためのファジィ粗近傍アプローチ
- Authors: Olha Kaminska, Chris Cornelis, Veronique Hoste
- Abstract要約: ソーシャルメディアは、感情分析や感情認識といった様々なタスクで使用できる意味のあるデータの本質的な情報源である。
ファジィ粗近傍(FRNN)に基づくSemEval-2018感情検出タスクのためのアプローチを開発する。
我々の結果は、より複雑なディープラーニング手法に基づく最高のSemEvalソリューションと競合する。
- 参考スコア(独自算出の注目度): 1.7581155313656314
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Social media are an essential source of meaningful data that can be used in
different tasks such as sentiment analysis and emotion recognition. Mostly,
these tasks are solved with deep learning methods. Due to the fuzzy nature of
textual data, we consider using classification methods based on fuzzy rough
sets. Specifically, we develop an approach for the SemEval-2018 emotion
detection task, based on the fuzzy rough nearest neighbour (FRNN) classifier
enhanced with ordered weighted average (OWA) operators. We use tuned ensembles
of FRNN--OWA models based on different text embedding methods. Our results are
competitive with the best SemEval solutions based on more complicated deep
learning methods.
- Abstract(参考訳): ソーシャルメディアは、感情分析や感情認識など、さまざまなタスクで使用できる有意義なデータの不可欠な情報源である。
主に、これらのタスクはディープラーニングによって解決される。
テキストデータのファジィ性から,ファジィ粗集合に基づく分類法について検討する。
具体的には,重み付き平均 (OWA) 演算子で強化されたファジィラフニア(FRNN)分類器に基づいて,SemEval-2018感情検出タスクのアプローチを開発する。
我々は、異なるテキスト埋め込み法に基づくFRNN-OWAモデルのチューニングアンサンブルを使用する。
我々の結果は、より複雑なディープラーニング手法に基づく最高のSemEvalソリューションと競合する。
関連論文リスト
- An In-Depth Analysis of Discretization Methods for Communication
Learning using Backpropagation with Multi-Agent Reinforcement Learning [0.0]
本稿では,最先端の離散化手法と新しいアプローチを比較した。
本稿では,DIALとCOMAに基づくコミュニケーション学習手法であるCOMA-DIALについて述べる。
本報告では,ST-DRU法は, 異なる環境における識別方法のすべてにおいて, 最適な結果が得られることを示す。
論文 参考訳(メタデータ) (2023-08-09T13:13:19Z) - An Empirical Evaluation of Federated Contextual Bandit Algorithms [27.275089644378376]
フェデレートされた学習は、ユーザが関心のあるアプリケーションと対話するときに生成される暗黙の信号を使って行うことができる。
我々は,フェデレートされた設定のための集中的な設定から,顕著な文脈的帯域幅アルゴリズムの変種を開発する。
本実験は, 探索・探索のトレードオフのバランスをとる上で, シンプルで一般的なソフトマックスの驚くべき有効性を明らかにした。
論文 参考訳(メタデータ) (2023-03-17T19:22:30Z) - 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) - Cluster-level pseudo-labelling for source-free cross-domain facial
expression recognition [94.56304526014875]
表情認識のためのSFUDA法を提案する。
本手法は,自己教師付き事前学習を利用して,対象データから優れた特徴表現を学習する。
提案手法の有効性を4つの適応方式で検証し,FERに適用した場合,既存のSFUDA法より一貫して優れていることを示す。
論文 参考訳(メタデータ) (2022-10-11T08:24:50Z) - Learning with Neighbor Consistency for Noisy Labels [69.83857578836769]
特徴空間におけるトレーニング例間の類似性を利用した雑音ラベルから学習する手法を提案する。
合成(CIFAR-10, CIFAR-100)とリアル(mini-WebVision, Clothing1M, mini-ImageNet-Red)の両方のノイズを評価するデータセットの評価を行った。
論文 参考訳(メタデータ) (2022-02-04T15:46:27Z) - Neural Class Expression Synthesis [2.0474076605741036]
クラス表現学習は説明可能な教師あり機械学習の一分野である。
記述論理における表現学習のための既存のアプローチは、探索アルゴリズムやハードルールベースである。
そこで我々は,合成手法を考案した新しいアプローチのファミリーを提案する。
論文 参考訳(メタデータ) (2021-11-16T14:05:24Z) - MCDAL: Maximum Classifier Discrepancy for Active Learning [74.73133545019877]
近年の最先端のアクティブラーニング手法は, 主にGAN(Generative Adversarial Networks)をサンプル取得に活用している。
本稿では,MCDAL(Maximum Discrepancy for Active Learning)と呼ぶ新しいアクティブラーニングフレームワークを提案する。
特に,両者の差分を最大化することにより,より厳密な決定境界を学習する2つの補助的分類層を利用する。
論文 参考訳(メタデータ) (2021-07-23T06:57:08Z) - Nearest neighbour approaches for Emotion Detection in Tweets [1.7581155313656314]
我々は、簡単な実装が容易で説明可能な機械学習モデルであるkNN(Nearest Neighbours)を重み付けしたアプローチを提案する。
特に、SemEval-2018のツイートにおける共有感情検出タスクに重み付きkNNモデルを適用する。
論文 参考訳(メタデータ) (2021-07-08T13:00:06Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳(メタデータ) (2020-11-13T10:53:27Z) - Discriminative Nearest Neighbor Few-Shot Intent Detection by
Transferring Natural Language Inference [150.07326223077405]
データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。
深部自己注意を伴う識別的近傍分類を提示する。
自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
論文 参考訳(メタデータ) (2020-10-25T00:39:32Z)
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。