Fugu-MT 論文翻訳(概要): SWEAT: Scoring Polarization of Topics across Different Corpora

論文の概要: SWEAT: Scoring Polarization of Topics across Different Corpora

arxiv url: http://arxiv.org/abs/2109.07231v1
Date: Wed, 15 Sep 2021 11:57:21 GMT
ステータス: 処理完了
システム内更新日: 2021-09-16 15:05:44.396268
Title: SWEAT: Scoring Polarization of Topics across Different Corpora
Title（参考訳）: sweat: 異なるコーパスのトピックの分極をスコアする
Authors: Federico Bianchi, Marco Marelli, Paolo Nicoli, Matteo Palmonari
Abstract要約: SWEAT(Sliced Word Embedding Association Test)は、2つの分布表現にまたがる話題語セットの相対分極を計算するための新しい統計尺度である。提案手法の妥当性を検証し,提案手法の有用性を示す。
参考スコア（独自算出の注目度）: 5.147877071071345
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Understanding differences of viewpoints across corpora is a fundamental task for computational social sciences. In this paper, we propose the Sliced Word Embedding Association Test (SWEAT), a novel statistical measure to compute the relative polarization of a topical wordset across two distributional representations. To this end, SWEAT uses two additional wordsets, deemed to have opposite valence, to represent two different poles. We validate our approach and illustrate a case study to show the usefulness of the introduced measure.
Abstract（参考訳）: コーパス間の視点の違いを理解することは、計算社会科学の基本的な課題である。本稿では,2つの分布表現にまたがる局所的単語セットの相対分極を計算するための新しい統計的尺度であるsliced word embedded association test (sweat)を提案する。この目的のために、SWEATは2つの異なる極を表すために、反対の原子価を持つと考えられる2つの追加の単語セットを使用する。提案手法を検証し,本手法の有用性を示すケーススタディを示す。

関連論文リスト

ML-EAT: A Multilevel Embedding Association Test for Interpretable and Transparent Social Science [18.682235650233743]
本研究はML-EAT(Multilevel Embedding Association Test)を紹介する。 ML-EATは従来のEAT測定の曖昧さと難易度の問題に対処している。本研究は,ML-EATを用いて,埋め込み型アソシエーションテストの9つの可能性について,EATパターンの分類を定義した。
論文参考訳（メタデータ） (2024-08-04T09:04:44Z)
RankCSE: Unsupervised Sentence Representations Learning via Learning to Rank [54.854714257687334]
本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
論文参考訳（メタデータ） (2023-05-26T08:27:07Z)
DALLE-2 is Seeing Double: Flaws in Word-to-Concept Mapping in Text2Image Models [53.29993651680099]
DALLE-2は各単語が解釈においてひとつの役割を持つという制約に従わないことを示す。 DALLE-2は、複数の感覚を持つ名詞の両感覚を同時に表現している。
論文参考訳（メタデータ） (2022-10-19T14:52:40Z)
SBERT studies Meaning Representations: Decomposing Sentence Embeddings into Explainable AMR Meaning Features [22.8438857884398]
非常に効果的な類似度メトリクスを作成しながら、評価の解釈可能な根拠を提供します。まず、キーセマンティック・ファセットに対する文の類似性を測るAMRグラフメトリクスを選択します。第二に、これらのメトリクスを用いてセマンティックな構造化文BERT埋め込みを誘導する。
論文参考訳（メタデータ） (2022-06-14T17:37:18Z)
Topology of Word Embeddings: Singularities Reflect Polysemy [68.8204255655161]
本稿では,単語の意味の実際の数とよく相関する,永続的ホモロジーに基づく多意味性のトポロジカル尺度を提案する。本稿では,SemEval-2010における単語センスの誘導と曖昧さに対する単純なトポロジ的な解決法を提案する。
論文参考訳（メタデータ） (2020-11-18T17:21:51Z)
Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
論文参考訳（メタデータ） (2020-10-13T21:33:24Z)
Universal Weighting Metric Learning for Cross-Modal Matching [79.32133554506122]
クロスモーダルマッチングは、視覚領域と言語領域の両方において、注目すべき研究トピックである。クロスモーダルマッチングのためのシンプルで解釈可能な普遍重み付けフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-07T13:16:45Z)
Paraphrasing vs Coreferring: Two Sides of the Same Coin [28.80553558538015]
2つの異なるNLPタスク間のシナジーについて検討する。イベントコアスデータセットからのアノテーションを、リスコアで抽出された述語パラフレーズの遠隔監視に使用しています。私たちはまた、最先端のイベントコア参照解決モデルに付加的な入力として、同じ再ランク機能を使用します。
論文参考訳（メタデータ） (2020-04-30T17:29:17Z)
The Secret is in the Spectra: Predicting Cross-lingual Task Performance with Spectral Similarity Measures [83.53361353172261]
本稿では,モノリンガル埋め込み空間の類似性とタスク性能の相関性に着目した大規模研究を行う。 2つの埋め込み空間間のいくつかの同型測度を導入し、それぞれのスペクトルの関連統計に基づく。このようなスペクトル同型尺度から得られた言語類似度スコアは、異なる言語間タスクで観測された性能と強く関連していることを実証的に示す。
論文参考訳（メタデータ） (2020-01-30T00:09:53Z)
The POLAR Framework: Polar Opposites Enable Interpretability of Pre-Trained Word Embeddings [6.894744675083238]
POLAR - 意味微分の導入により、事前学習された単語の埋め込みに解釈可能性を追加するフレームワークを紹介する。様々な下流タスクにデプロイすることで、フレームワークの有効性を実証する。また,我々の枠組みによって選択された解釈可能な次元が人間の判断と一致していることも示している。
論文参考訳（メタデータ） (2020-01-27T15:58:57Z)

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。