論文の概要: Nearest neighbour approaches for Emotion Detection in Tweets

• arxiv url: http://arxiv.org/abs/2107.05394v1
• Date: Thu, 8 Jul 2021 13:00:06 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-13 16:17:50.022936
• Title: Nearest neighbour approaches for Emotion Detection in Tweets
• Title（参考訳）: つぶやきの感情検出における最寄りのアプローチ
• Authors: Olha Kaminska, Chris Cornelis, Veronique Hoste
• Abstract要約: 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。
• 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: Emotion detection is an important task that can be applied to social media data to discover new knowledge. While the use of deep learning methods for this task has been prevalent, they are black-box models, making their decisions hard to interpret for a human operator. Therefore, in this paper, we propose an approach using weighted $k$ Nearest Neighbours (kNN), a simple, easy to implement, and explainable machine learning model. These qualities can help to enhance results' reliability and guide error analysis. In particular, we apply the weighted kNN model to the shared emotion detection task in tweets from SemEval-2018. Tweets are represented using different text embedding methods and emotion lexicon vocabulary scores, and classification is done by an ensemble of weighted kNN models. Our best approaches obtain results competitive with state-of-the-art solutions and open up a promising alternative path to neural network methods.
• Abstract（参考訳）: 感情検出は新しい知識を発見するためにソーシャルメディアデータに適用できる重要なタスクである。 このタスクへのディープラーニングメソッドの使用は一般的だが、それらはブラックボックスモデルであり、人間のオペレーターの解釈を困難にしている。 そこで本稿では,重み付き$k$ nearbys (knn) を用いた,単純で実装が容易で説明可能な機械学習モデルを提案する。 これらの性質は、結果の信頼性を高め、エラー分析を導くのに役立つ。 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。 ツイートは異なるテキスト埋め込み方法と感情語彙スコアを使用して表現され、分類は重み付けされたkNNモデルによって行われる。 我々の最善のアプローチは最先端のソリューションに匹敵する結果を得、ニューラルネットワークメソッドに有望な代替経路を開く。

関連論文リスト

• Unsupervised Sentiment Analysis of Plastic Surgery Social Media Posts [91.3755431537592]
  ソーシャルメディアプラットフォームにまたがる膨大なユーザー投稿は、主に人工知能(AI)のユースケースに使われていない。 自然言語処理(NLP)は、コーパス(corpora)として知られるドキュメントの体系を利用して、人間のような言語理解でコンピュータを訓練するAIのサブフィールドである。 本研究は, 教師なし解析の応用により, コンピュータがプラスティック手術に対する否定的, 肯定的, 中立的なユーザ感情を予測できることを示した。
  論文  参考訳（メタデータ） (2023-07-05T20:16:20Z)
• Adversarial Attacks on the Interpretation of Neuron Activation Maximization [70.5472799454224]
  アクティベーション最大化アプローチは、訓練されたディープラーニングモデルの解釈と解析に使用される。 本研究では,解釈を欺くためにモデルを操作する敵の概念を考察する。
  論文  参考訳（メタデータ） (2023-06-12T19:54:33Z)
• Towards Better Explanations for Object Detection [0.0]
  本稿では,D-CLOSEと呼ばれるオブジェクト検出モデルについて,その決定を説明する手法を提案する。 我々は,YOLOXモデルを用いてMS-COCOデータセットの試験を行い,本手法がD-RISEより優れていることを示す。
  論文  参考訳（メタデータ） (2023-06-05T09:52:05Z)
• On the Efficiency of Integrating Self-supervised Learning and Meta-learning for User-defined Few-shot Keyword Spotting [51.41426141283203]
  ユーザ定義キーワードスポッティングは、ユーザが定義する新しい音声用語を検出するタスクである。 これまでの研究は、自己教師付き学習モデルを取り入れたり、メタ学習アルゴリズムを適用しようとするものだった。 この結果から,HuBERTとMatching Networkを組み合わせることで,最適な結果が得られることがわかった。
  論文  参考訳（メタデータ） (2022-04-01T10:59:39Z)
• Text analysis and deep learning: A network approach [0.0]
  本稿では,変圧器モデルとネットワーク解析を併用して,言語使用の自己参照表現を生成する手法を提案する。 我々のアプローチは、基礎となるモデルと強く整合した言語関係と、それらに関する数学的に明確に定義された操作を生成する。 我々の知る限りでは、深層言語モデルから直接意味ネットワークを抽出する最初の教師なし手法である。
  論文  参考訳（メタデータ） (2021-10-08T14:18:36Z)
• Fuzzy-Rough Nearest Neighbour Approaches for Emotion Detection in Tweets [1.7581155313656314]
  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。
  論文  参考訳（メタデータ） (2021-07-08T12:52:47Z)
• 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)
• Explaining and Improving Model Behavior with k Nearest Neighbor Representations [107.24850861390196]
  モデルの予測に責任のあるトレーニング例を特定するために, k 近傍表現を提案する。 我々は,kNN表現が学習した素因関係を明らかにするのに有効であることを示す。 以上の結果から,kNN手法により,直交モデルが逆入力に対してより堅牢であることが示唆された。
  論文  参考訳（メタデータ） (2020-10-18T16:55:25Z)
• Boosting Deep Neural Networks with Geometrical Prior Knowledge: A Survey [77.99182201815763]
  ディープニューラルネットワーク(DNN)は多くの異なる問題設定において最先端の結果を達成する。 DNNはしばしばブラックボックスシステムとして扱われ、評価と検証が複雑になる。 コンピュータビジョンタスクにおける畳み込みニューラルネットワーク(CNN)の成功に触発された、有望な分野のひとつは、対称幾何学的変換に関する知識を取り入れることである。
  論文  参考訳（メタデータ） (2020-06-30T14:56:05Z)
• Combining word embeddings and convolutional neural networks to detect duplicated questions [0.0]
  本稿では,単語埋め込みと畳み込みニューラルネットワークの強みを組み合わせることで,意味論的に類似した質問を識別する簡単な手法を提案する。 私たちのネットワークは、400万以上の質問ペアを含むQuoraデータセットでトレーニングされています。
  論文  参考訳（メタデータ） (2020-06-08T12:30:25Z)
• An Adversarial Approach for Explaining the Predictions of Deep Neural Networks [9.645196221785694]
  本稿では,敵対的機械学習を用いて,ディープニューラルネットワーク(DNN)の予測を説明する新しいアルゴリズムを提案する。 提案手法は,DNNに対する敵攻撃の挙動に基づいて,入力特徴の相対的重要性を推定する。 分析により、一貫性のある効率的な説明が得られます。
  論文  参考訳（メタデータ） (2020-05-20T18:06:53Z)

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。