Fugu-MT 論文翻訳(概要): WVOQ at SemEval-2021 Task 6: BART for Span Detection and Classification

論文の概要: WVOQ at SemEval-2021 Task 6: BART for Span Detection and Classification

arxiv url: http://arxiv.org/abs/2107.05467v1
Date: Sun, 27 Jun 2021 07:59:22 GMT
ステータス: 処理完了
システム内更新日: 2021-07-18 12:21:47.300434
Title: WVOQ at SemEval-2021 Task 6: BART for Span Detection and Classification
Title（参考訳）: SemEval-2021 Task 6: BARTによるスパン検出と分類
Authors: Cees Roele
Abstract要約: BARTDecoderモデルは、テキスト入力をXMLライクなマークアップスパンを持つバージョンに変換するために使用される。本稿では,SemEval-2021のタスク6への参加について報告する。
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: A novel solution to span detection and classification is presented in which a BART EncoderDecoder model is used to transform textual input into a version with XML-like marked up spans. This markup is subsequently translated to an identification of the beginning and end of fragments and of their classes. Discussed is how pre-training methodology both explains the relative success of this method and its limitations. This paper reports on participation in task 6 of SemEval-2021: Detection of Persuasion Techniques in Texts and Images.
Abstract（参考訳）: テキスト入力をxmlライクなマークアップスパンでバージョンに変換するために,bartエンコーダデコーダモデルを用いたスパン検出と分類の新しいソリューションを提案する。このマークアップはその後、フラグメントとそれらのクラスの開始と終了の識別に変換される。この手法の相対的な成功とその限界について、事前学習の方法論が説明されている。本稿では, semeval-2021 のタスク6:テキストと画像における説得技術の検出について報告する。

関連論文リスト

GatedLexiconNet: A Comprehensive End-to-End Handwritten Paragraph Text Recognition System [3.9527064697847005]
内部線分割と畳み込み層に基づくエンコーダを組み込んだエンドツーエンドの段落認識システムを提案する。本研究は、IAMでは2.27%、RIMESでは0.9%、READ-16では2.13%、READ-2016データセットでは5.73%の文字誤り率を報告した。
論文参考訳（メタデータ） (2024-04-22T10:19:16Z)
TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文参考訳（メタデータ） (2023-06-06T03:37:41Z)
X-PuDu at SemEval-2022 Task 7: A Replaced Token Detection Task Pre-trained Model with Pattern-aware Ensembling for Identifying Plausible Clarifications [13.945286351253717]
本稿では,SemEval 2022 Task 7: Identifying Plausible Clarifications of Implicit and Underspecificified Phrases in instructional textsについて述べる。 SubTask-A: Multi-class Classification と SubTask-B: Ranking のために、置換トークン検出事前訓練モデルを使用する。本システムでは,SubTask-AとSubTask-Bのそれぞれ2.7と2.2%の差で,68.90%の精度スコアと0.8070のスピアマンのランク相関スコアが2位を突破した。
論文参考訳（メタデータ） (2022-11-27T05:46:46Z)
Open-Vocabulary Multi-Label Classification via Multi-modal Knowledge Transfer [55.885555581039895]
マルチラベルゼロショット学習(ML-ZSL)は、事前訓練されたテキストラベル埋め込みによる知識の伝達に焦点を当てている。マルチラベル分類のためのMKT(Multimodal Knowledge Transfer)と呼ばれる新しいオープン語彙フレームワークを提案する。
論文参考訳（メタデータ） (2022-07-05T08:32:18Z)
Many-Class Text Classification with Matching [65.74328417321738]
textbfText textbfClassification をテキストとラベル間のtextbfMatching 問題として定式化し,TCM というシンプルなフレームワークを提案する。従来のテキスト分類手法と比較して、TCMは分類ラベルのきめ細かい意味情報を活用している。
論文参考訳（メタデータ） (2022-05-23T15:51:19Z)
Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文参考訳（メタデータ） (2022-03-29T16:09:38Z)
Volta at SemEval-2021 Task 6: Towards Detecting Persuasive Texts and Images using Textual and Multimodal Ensemble [7.817598216459955]
そこで本研究では, BERT をベースとしたモデルに対して, 異なるモダリティで伝達学習手法を提案する。 57.0, 48.2, 52.1のF1スコアを対応するサブタスクで達成する。
論文参考訳（メタデータ） (2021-06-01T05:41:03Z)
SemEval-2021 Task 6: Detection of Persuasion Techniques in Texts and Images [25.06337963879228]
本稿では,データ,ガイドライン,評価設定,結果,参加システムについて述べる。課題はミームに焦点をあて, (i) テキスト中のテクニックの検出, (ii) テクニックの使用箇所のテキストスパンの検出, (iii) ミーム全体のテクニック検出という3つのサブタスクを持っていた。
論文参考訳（メタデータ） (2021-04-25T05:00:53Z)
DUTH at SemEval-2020 Task 11: BERT with Entity Mapping for Propaganda Classification [1.5469452301122173]
本報告では,SemEval-2020 Task 11: Detection of Propaganda Techniques in News Articlesに参加するために,Democritus University of Thrace(DUTH)チームが採用した手法について述べる。
論文参考訳（メタデータ） (2020-08-22T18:18:02Z)
LabelEnc: A New Intermediate Supervision Method for Object Detection [78.74368141062797]
本稿では,オブジェクト検出システムのトレーニングを促進するため,LabelEncという新たな中間監視手法を提案する。鍵となるアイデアは、新しいラベル符号化機能を導入し、接地木ラベルを潜伏埋め込みにマッピングすることである。実験の結果,COCOデータセット上での検出精度は,約2%向上した。
論文参考訳（メタデータ） (2020-07-07T08:55:05Z)
TextScanner: Reading Characters in Order for Robust Scene Text Recognition [60.04267660533966]
TextScannerはシーンテキスト認識の代替手法である。文字クラス、位置、順序に対する画素単位のマルチチャネルセグメンテーションマップを生成する。また、コンテキストモデリングにRNNを採用し、文字の位置とクラスを並列で予測する。
論文参考訳（メタデータ） (2019-12-28T07:52:00Z)

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。