Fugu-MT 論文翻訳(概要): Near-Zero-Shot Suggestion Mining with a Little Help from WordNet

論文の概要: Near-Zero-Shot Suggestion Mining with a Little Help from WordNet

arxiv url: http://arxiv.org/abs/2111.12956v1
Date: Thu, 25 Nov 2021 07:40:45 GMT
ステータス: 処理完了
システム内更新日: 2021-11-29 16:04:40.092570
Title: Near-Zero-Shot Suggestion Mining with a Little Help from WordNet
Title（参考訳）: WordNetの助けを借りた近ゼロショット提案マイニング
Authors: Anton Alekseev, Elena Tutubalina, Sejeong Kwon, Sergey Nikolenko
Abstract要約: ラベルが不明瞭な方法で提案分類を行うために,いくつかのエンテーメントに基づくゼロショット手法を提示し,評価する。本稿では,ユーザ意図で英語の文に目的のクラスラベルを割り当てる戦略を紹介し,予測品質を著しく向上させる。
参考スコア（独自算出の注目度）: 7.928003786376715
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this work, we explore the constructive side of online reviews: advice, tips, requests, and suggestions that users provide about goods, venues, services, and other items of interest. To reduce training costs and annotation efforts needed to build a classifier for a specific label set, we present and evaluate several entailment-based zero-shot approaches to suggestion classification in a label-fully-unseen fashion. In particular, we introduce the strategy of assigning target class labels to sentences in English language with user intentions, which significantly improves prediction quality. The proposed strategies are evaluated with a comprehensive experimental study that validated our results both quantitatively and qualitatively.
Abstract（参考訳）: 本研究では,オンラインレビューの構成的側面について検討する。アドバイス,コツ,リクエスト,およびユーザが商品,会場,サービス,その他の関心事項について提示する提案である。特定のラベルセットの分類器を構築するのに必要なトレーニングコストとアノテーションの労力を削減するため,ラベルに見当たらない方法で分類を推奨するための包括的ゼロショットアプローチをいくつか提示し,評価する。特に,対象のクラスラベルをユーザの意図で英語の文に割り当てる手法を導入することにより,予測品質が大幅に向上する。提案手法は, 定量的および定性的に評価した総合的な実験により評価された。

関連論文リスト

A Novel Prompt-tuning Method: Incorporating Scenario-specific Concepts into a Verbalizer [15.612761980503658]
シナリオ固有の概念を取り入れたラベルワード構築プロセスを提案する。具体的には,タスク固有のシナリオから,ラベルワード候補としてリッチな概念を抽出する。そこで我々は,各クラスのラベル単語の集合として候補を洗練するための新しいカスケードキャリブレーションモジュールを開発した。
論文参考訳（メタデータ） (2024-01-10T15:02:35Z)
Capturing Perspectives of Crowdsourced Annotators in Subjective Learning Tasks [9.110872603799839]
監督された分類は、人間によって注釈付けされたデータセットに大きく依存する。毒性分類などの主観的なタスクでは、これらのアノテーションはラッカー間での合意が低くなることが多い。本研究では、主観的分類タスクのためのtextbfAnnotator Awares for Texts (AART) を提案する。
論文参考訳（メタデータ） (2023-11-16T10:18:32Z)
Evaluating the Predictive Performance of Positive-Unlabelled Classifiers: a brief critical review and practical recommendations for improvement [77.34726150561087]
Positive-Unlabelled (PU) 学習は機械学習の領域として成長している。本稿では、PU分類器を提案する51の論文において、主要なPU学習評価手法と予測精度の選択について批判的にレビューする。
論文参考訳（メタデータ） (2022-06-06T08:31:49Z)
Graph-based Extractive Explainer for Recommendations [38.278148661173525]
ユーザ,項目,属性,文をシームレスに統合し,抽出に基づく説明を行うグラフ注意型ニューラルネットワークモデルを開発した。個々の文の関連性, 属性カバレッジ, 内容冗長性のバランスをとるために, 整数線形プログラミング問題を解くことにより, 文の最終的な選択を行う。
論文参考訳（メタデータ） (2022-02-20T04:56:10Z)
Budget-aware Few-shot Learning via Graph Convolutional Network [56.41899553037247]
本稿では,いくつかの例から新しい視覚概念を学習することを目的とした,数ショット学習の課題に取り組む。数ショット分類における一般的な問題設定は、データラベルの取得においてランダムサンプリング戦略を前提としている。そこで我々は,新しい対象カテゴリーの学習を目的とした,予算に配慮した数発の学習問題を新たに導入する。
論文参考訳（メタデータ） (2022-01-07T02:46:35Z)
Focusing on Potential Named Entities During Active Label Acquisition [0.0]
名前付きエンティティ認識(NER)は、構造化されていないテキスト中の名前付きエンティティの参照を識別することを目的としている。多くのドメイン固有のNERアプリケーションは、まだかなりの量のラベル付きデータを要求する。本稿では,長すぎるか短すぎる文をペナル化するための,データ駆動正規化手法を提案する。
論文参考訳（メタデータ） (2021-11-06T09:04:16Z)
Annotation Curricula to Implicitly Train Non-Expert Annotators [56.67768938052715]
自発的な研究は、しばしば、アノテータがタスク、そのアノテーションスキーム、およびデータドメインに精通することを要求する。これは最初は圧倒的であり、精神的に課税され、結果として生じるアノテーションにエラーを誘導する。暗黙的にアノテータを訓練する新しい手法であるアノテーションキュリキュラを提案する。
論文参考訳（メタデータ） (2021-06-04T09:48:28Z)
Investigating label suggestions for opinion mining in German Covid-19 social media [41.89305442562581]
我々は,社会科学の学生を対象に,制御された注釈研究を行うためのガイドラインを策定する。私たちは、専門家が注釈付けした小さなデータセットでトレーニングされたモデルからの提案が、すでに大幅に改善されていることに気付きました。提案バイアスの分析から,アノテータは一般に提案されたラベルを反映できることが明らかとなった。
論文参考訳（メタデータ） (2021-05-27T07:47:53Z)
MatchGAN: A Self-Supervised Semi-Supervised Conditional Generative Adversarial Network [51.84251358009803]
本稿では,条件付き生成逆数ネットワーク(GAN)に対する,半教師付き環境下での自己教師型学習手法を提案する。利用可能な数少ないラベル付きサンプルのラベル空間から無作為なラベルをサンプリングして拡張を行う。本手法は,ベースラインのトレーニングに使用したラベル付きサンプルの20%に過ぎません。
論文参考訳（メタデータ） (2020-06-11T17:14:55Z)
Evaluations and Methods for Explanation through Robustness Analysis [117.7235152610957]
分析による特徴に基づく説明の新たな評価基準を確立する。我々は、緩やかに必要であり、予測に十分である新しい説明を得る。我々は、現在の予測をターゲットクラスに移動させる一連の特徴を抽出するために、説明を拡張します。
論文参考訳（メタデータ） (2020-05-31T05:52:05Z)
Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
論文参考訳（メタデータ） (2020-04-28T17:17:11Z)

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。