論文の概要: PoWareMatch: a Quality-aware Deep Learning Approach to Improve Human Schema Matching

• arxiv url: http://arxiv.org/abs/2109.07321v1
• Date: Wed, 15 Sep 2021 14:24:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-16 14:46:03.809643
• Title: PoWareMatch: a Quality-aware Deep Learning Approach to Improve Human Schema Matching
• Title（参考訳）: PoWareMatch: 人間のスキーママッチングを改善するための品質を考慮したディープラーニングアプローチ
• Authors: Roee Shraga, Avigdor Gal
• Abstract要約: そこで本研究では,ヒトのマッカーとしての行動に対する新たなアングルについて検討し,マッチ生成をプロセスとして研究する。 我々は、人間のマッチング決定を校正し、フィルタリングするディープラーニングメカニズムを利用するPoWareMatchを設計する。 PoWareMatchは、マッチを追加の対応で拡張するメリットを十分に予測し、高品質なマッチを生成する。
• 参考スコア（独自算出の注目度）: 20.110234122423172
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Schema matching is a core task of any data integration process. Being investigated in the fields of databases, AI, Semantic Web and data mining for many years, the main challenge remains the ability to generate quality matches among data concepts (e.g., database attributes). In this work, we examine a novel angle on the behavior of humans as matchers, studying match creation as a process. We analyze the dynamics of common evaluation measures (precision, recall, and f-measure), with respect to this angle and highlight the need for unbiased matching to support this analysis. Unbiased matching, a newly defined concept that describes the common assumption that human decisions represent reliable assessments of schemata correspondences, is, however, not an inherent property of human matchers. In what follows, we design PoWareMatch that makes use of a deep learning mechanism to calibrate and filter human matching decisions adhering the quality of a match, which are then combined with algorithmic matching to generate better match results. We provide an empirical evidence, established based on an experiment with more than 200 human matchers over common benchmarks, that PoWareMatch predicts well the benefit of extending the match with an additional correspondence and generates high quality matches. In addition, PoWareMatch outperforms state-of-the-art matching algorithms.
• Abstract（参考訳）: スキーママッチングは、あらゆるデータ統合プロセスの中核的なタスクである。 データベース、ai、セマンティックweb、データマイニングの分野において長年にわたって調査されてきたが、主な課題は、データコンセプト(例えばデータベース属性)間で品質マッチングを生成する能力である。 本研究では,人間をマッチング者として行動する新たな角度について検討し,マッチング生成をプロセスとして検討する。 一般的な評価尺度(precision, recall, and f-measure)のダイナミクスを,この角度に関して分析し,この分析をサポートするために偏りのないマッチングの必要性を強調する。 非バイアスマッチング(unbiased matching)は、人間の決定がスキーマ対応の信頼できる評価を示すという共通の仮定を記述する概念であるが、人間のマッチング者固有の特性ではない。 以下に示すように,マッチングの質を裏付ける人間のマッチング決定を校正し,フィルタリングする深層学習機構を用いたPoWareMatchを設計し,アルゴリズムマッチングと組み合わせてより優れたマッチング結果を生成する。 我々は、一般的なベンチマークよりも200人以上いる人間のマッチング者による実験に基づいて、powarematchは、マッチを追加の対応で拡張し、高品質のマッチングを生成する利点を十分に予測しているという実証的な証拠を提供する。 加えて、powarematchは最先端のマッチングアルゴリズムを上回る。

関連論文リスト

• A Best-of-Both Approach to Improve Match Predictions and Reciprocal Recommendations for Job Search [15.585641615174623]
  本稿では、擬似マッチスコアを利用して、生産における相互推薦を改善するための、新規で実用的なソリューションを紹介し、実証する。 具体的には、実際のマッチングラベルと比較的不正確だが密なマッチング予測を組み合わせることで、より密で直接的な擬似マッチスコアを生成する。 我々の手法は、直接マッチング予測と2つの異なるモデルアプローチの両方の高レベルなアイデアを組み合わせることで、ベスト・オブ・ボス(BoB)アプローチと見なすことができる。
  論文  参考訳（メタデータ） (2024-09-17T08:51:02Z)
• Semisupervised score based matching algorithm to evaluate the effect of public health interventions [3.221788913179251]
  1対1のマッチングアルゴリズムでは、マッチする多数の"ペア"は、大きなサンプルからの情報と多数のタスクの両方を意味する可能性がある。 本稿では,2次スコア関数 $S_beta(x_i,x_j)= betaT (x_i-x_j)(x_i-x_j)T beta$ に基づく新しい1対1マッチングアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2024-03-19T02:24:16Z)
• A Gold Standard Dataset for the Reviewer Assignment Problem [117.59690218507565]
  類似度スコア(Similarity score)とは、論文のレビューにおいて、レビュアーの専門知識を数値で見積もるものである。 私たちのデータセットは、58人の研究者による477の自己申告された専門知識スコアで構成されています。 2つの論文をレビュアーに関連付けるタスクは、簡単なケースでは12%～30%、ハードケースでは36%～43%である。
  論文  参考訳（メタデータ） (2023-03-23T16:15:03Z)
• End-to-End Context-Aided Unicity Matching for Person Re-identification [100.02321122258638]
  本稿では,人間同士の一致関係を学習・精査するための,エンドツーエンドの対人一意整合アーキテクチャを提案する。 サンプルのグローバルコンテキスト関係を用いて,ソフトマッチング結果を洗練し,両部グラフマッチングにより一致ユニシティに到達する。 実世界における人物再識別の応用を十分に考慮し, ワンショットとマルチショットの双方で一様マッチングを実現する。
  論文  参考訳（メタデータ） (2022-10-20T07:33:57Z)
• Deep Probabilistic Graph Matching [72.6690550634166]
  本稿では,マッチング制約を伴わずに,元のQAPに適合する深層学習ベースのグラフマッチングフレームワークを提案する。 提案手法は,一般的な3つのベンチマーク(Pascal VOC,Wilow Object,SPair-71k)で評価され,すべてのベンチマークにおいて過去の最先端よりも優れていた。
  論文  参考訳（メタデータ） (2022-01-05T13:37:27Z)
• Deep Policies for Online Bipartite Matching: A Reinforcement Learning Approach [5.683591363967851]
  本稿では,過去のデータに対する試行錯誤に基づく適切な対応策を導出するためのエンドツーエンド強化学習フレームワークを提案する。 学習手法の大部分は,4つの合成および実世界のデータセットにおいて,古典的なグリーディアルゴリズムよりもはるかに優れていることを示す。
  論文  参考訳（メタデータ） (2021-09-21T18:04:19Z)
• Learning to Characterize Matching Experts [19.246576904646172]
  我々は、提案された対応がほぼ有効であると信じられている人間である、人間のマッチングの専門家を特徴づける。 提案手法は,未熟なマーカをフィルタリングすることで,マッチング結果を改善することができることを示す。
  論文  参考訳（メタデータ） (2020-12-02T14:16:38Z)
• Learning to Match Jobs with Resumes from Sparse Interaction Data using Multi-View Co-Teaching Network [83.64416937454801]
  ジョブ列のインタラクションデータは疎結合でノイズが多く、ジョブ列のマッチングアルゴリズムのパフォーマンスに影響する。 求人情報マッチングのための疎相互作用データから,新しいマルチビュー協調学習ネットワークを提案する。 我々のモデルは求人マッチングの最先端手法より優れている。
  論文  参考訳（メタデータ） (2020-09-25T03:09:54Z)
• Towards Model-Agnostic Post-Hoc Adjustment for Balancing Ranking Fairness and Algorithm Utility [54.179859639868646]
  Bipartiteランキングは、ラベル付きデータから正の個人よりも上位の個人をランク付けするスコアリング機能を学ぶことを目的としている。 学習したスコアリング機能が、異なる保護グループ間で体系的な格差を引き起こすのではないかという懸念が高まっている。 本稿では、二部構成のランキングシナリオにおいて、それらのバランスをとるためのモデル後処理フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-06-15T10:08:39Z)
• Learning Preference-Based Similarities from Face Images using Siamese Multi-Task CNNs [78.24964622317633]
  オンラインデートプラットフォームの大きな課題は、ユーザに適したマッチングを決定することだ。 ディープラーニングアプローチは、人間の顔からある程度まで様々な特性を予測できることを示した。 画像ベースマッチングの実現可能性について検討し,個人の関心や嗜好,態度とマッチングする方法について検討した。
  論文  参考訳（メタデータ） (2020-01-25T23:08:12Z)

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。