論文の概要: Topic-time Heatmaps for Human-in-the-loop Topic Detection and Tracking
- arxiv url: http://arxiv.org/abs/2110.07337v1
- Date: Tue, 12 Oct 2021 19:17:56 GMT
- ステータス: 処理完了
- システム内更新日: 2021-10-15 15:11:41.772544
- Title: Topic-time Heatmaps for Human-in-the-loop Topic Detection and Tracking
- Title（参考訳）: ループ内話題検出・追跡のための話題時間ヒートマップ
- Authors: Doug Beeferman, Hang Jiang
- Abstract要約: Topic Detection and Tracking (TDT)は、ニュースメディアのコレクションを、同じ現実世界のイベントに関連するストーリーのクラスタにまとめることを目的としている。
TDTモデルを検索エンジンや発見ツールなどの実用的な応用に適用するには、関心事のコーパスの"イベント"の範囲を絞り込む必要がある。
コーパス全体の視覚的概要を生成し、ユーザーは概要から興味のある領域を選択し、選択した文書が同じイベントに属することを確認(または拒否)するために一連の質問をすることができる。
- 参考スコア（独自算出の注目度）: 3.7057859167913456
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The essential task of Topic Detection and Tracking (TDT) is to organize a
collection of news media into clusters of stories that pertain to the same
real-world event. To apply TDT models to practical applications such as search
engines and discovery tools, human guidance is needed to pin down the scope of
an "event" for the corpus of interest. In this work in progress, we explore a
human-in-the-loop method that helps users iteratively fine-tune TDT algorithms
so that both the algorithms and the users themselves better understand the
nature of the events. We generate a visual overview of the entire corpus,
allowing the user to select regions of interest from the overview, and then ask
a series of questions to affirm (or reject) that the selected documents belong
to the same event. The answers to these questions supplement the training data
for the event similarity model that underlies the system.
- Abstract（参考訳）: Topic Detection and Tracking (TDT) の重要な課題は、ニュースメディアの集合を、同じ現実世界のイベントに関連するストーリーの集合にまとめることである。
検索エンジンや発見ツールなどの実用的なアプリケーションにtdtモデルを適用するには、興味のあるコーパスの"イベント"の範囲をピンダウンするには、人間によるガイダンスが必要である。
本稿では,ユーザがtdtアルゴリズムを反復的に微調整し,そのアルゴリズムとユーザ自身がイベントの性質をよりよく理解できるように,ループ内ヒューマン・イン・ザ・ループ法を提案する。
コーパス全体の視覚的概要を生成し、ユーザーは概要から興味のある領域を選択し、選択した文書が同じイベントに属することを確認(または拒否)するために一連の質問をすることができる。
これらの質問に対する回答は、システムの基盤となるイベント類似性モデルのトレーニングデータを補完する。
関連論文リスト
- Spatio-Temporal Context Prompting for Zero-Shot Action Detection [13.22912547389941]
本稿では,視覚言語モデルの豊富な知識を効果的に活用し,対人インタラクションを実現する手法を提案する。
同時に複数の人物による異なる行動を認識するという課題に対処するために,興味あるトークンスポッティング機構を設計する。
提案手法は,従来の手法に比べて優れた結果を得ることができ,さらにマルチアクションビデオに拡張することができる。
論文 参考訳（メタデータ） (2024-08-28T17:59:05Z) - Massively Multi-Lingual Event Understanding: Extraction, Visualization,
and Search [2.633652471066059]
ISI-Clearは最先端のクロスランガル、ゼロショットイベント抽出システムである。
グローバルなイベントをオンデマンドで提供し、100言語でユーザが提供するテキストを処理する。
論文 参考訳（メタデータ） (2023-05-17T20:41:51Z) - Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。
我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
論文 参考訳（メタデータ） (2022-10-12T14:37:00Z) - eCDT: Event Clustering for Simultaneous Feature Detection and Tracking- [4.094848360328624]
イベントクラスタリングに基づく検出追跡(eCDT)
提案手法は,最先端手法と比較して,特徴追跡年齢が30%向上した。
論文 参考訳（メタデータ） (2022-07-19T07:39:04Z) - Unifying Event Detection and Captioning as Sequence Generation via
Pre-Training [53.613265415703815]
本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。
我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
論文 参考訳（メタデータ） (2022-07-18T14:18:13Z) - PILED: An Identify-and-Localize Framework for Few-Shot Event Detection [79.66042333016478]
本研究では,事前学習した言語モデルから事象関連知識を引き出すために,クローゼプロンプトを用いた。
型固有のパラメータの数を最小化し、新しい型に対するイベント検出タスクに迅速に適応できるようにします。
論文 参考訳（メタデータ） (2022-02-15T18:01:39Z) - Topic Detection and Tracking with Time-Aware Document Embeddings [23.348627263872842]
我々は、時間的・テキスト的な情報をイベント検出のためのニュース文書の1つの表現に融合するニューラルネットワークを設計する。
振り返り設定では、クラスタリングアルゴリズムをタイムアウェアな埋め込みに適用し、News2013データセットのベースラインよりも大幅に改善したことを示す。
オンラインストリーミング設定では、既存の最先端のTDTパイプラインにドキュメントエンコーダを追加し、パフォーマンス全体のメリットを実証します。
論文 参考訳（メタデータ） (2021-12-12T06:25:15Z) - Human-in-the-Loop Disinformation Detection: Stance, Sentiment, or
Something Else? [93.91375268580806]
政治とパンデミックは、機械学習対応の偽ニュース検出アルゴリズムの開発に十分な動機を与えている。
既存の文献は、主に完全自動化されたケースに焦点を当てているが、その結果得られた技術は、軍事応用に必要な様々なトピック、ソース、時間スケールに関する偽情報を確実に検出することはできない。
既に利用可能なアナリストを人間のループとして活用することにより、感情分析、アスペクトベースの感情分析、姿勢検出といった標準的な機械学習技術は、部分的に自動化された偽情報検出システムに使用するためのもっとも有効な方法となる。
論文 参考訳（メタデータ） (2021-11-09T13:30:34Z) - Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。
我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
論文 参考訳（メタデータ） (2021-09-13T20:50:37Z) - Probing and Fine-tuning Reading Comprehension Models for Few-shot Event
Extraction [17.548548562222766]
イベント抽出のための読解フレームワークを提案する。
適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。
本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
論文 参考訳（メタデータ） (2020-10-21T21:48:39Z) - Query Resolution for Conversational Search with Limited Supervision [63.131221660019776]
本稿では,双方向トランスフォーマに基づくニューラルクエリ解決モデルQuReTeCを提案する。
我々はQuReTeCが最先端モデルより優れており、また、QuReTeCのトレーニングに必要な人為的なデータ量を大幅に削減するために、我々の遠隔監視手法が有効であることを示す。
論文 参考訳（メタデータ） (2020-05-24T11:37:22Z)
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。