論文の概要: A New Multifractal-based Deep Learning Model for Text Mining
- arxiv url: http://arxiv.org/abs/2111.13861v2
- Date: Fri, 1 Sep 2023 00:05:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-04 17:39:15.644907
- Title: A New Multifractal-based Deep Learning Model for Text Mining
- Title（参考訳）: テキストマイニングのためのマルチフラクタルベース深層学習モデル
- Authors: Zhenhua Wang, Ming Ren, Dong Gao
- Abstract要約: 本研究は,テキストランドスケープに埋め込まれたマルチフラクタル属性を解読するマルチフラクタル法を応用し,テキストを複雑なシステムとして知覚する基盤を構築した。
この試みは,ニューラルネットワークアーキテクチャ内での非線形情報伝達を容易にするために提案された活性化関数のパワーを利用する,新しいモデルが誕生した際の成果である。
- 参考スコア（独自算出の注目度）: 5.316374570374179
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: In this world full of uncertainty, where the fabric of existence weaves
patterns of complexity, multifractal emerges as beacons of insight,
illuminating them. As we delve into the realm of text mining that underpins
various natural language processing applications and powers a range of
intelligent services, we recognize that behind the veil of text lies a
manifestation of human thought and cognition, intricately intertwined with the
complexities. Building upon the foundation of perceiving text as a complex
system, this study embarks on a journey to unravel the hidden treasures within,
armed with the proposed multifractal method that deciphers the multifractal
attributes embedded within the text landscape. This endeavor culminates in the
birth of our novel model, which also harnesses the power of the proposed
activation function to facilitate nonlinear information transmission within its
neural network architecture. The success on experiments anchored in real-world
technical reports covering the extraction of technical term and classification
of hazard events, stands as a testament to our endeavors. This research venture
not only expands our understanding of text mining but also opens new horizons
for knowledge discovery across various domains.
- Abstract（参考訳）: 不確実性に満ちた世界では、存在の布地が複雑さのパターンを織り、マルチフラクタルは洞察のビーコンとして現れ、それらを照らす。
さまざまな自然言語処理アプリケーションを支えるテキストマイニングの領域に目を向け、さまざまなインテリジェントなサービスを支えることで、テキストのベールの背後には人間の思考と認知の顕現があり、複雑に絡み合っていることを認識します。
本研究は,テキストを複雑なシステムとして認識する基礎を築いており,テキストランドスケープに埋め込まれた複数のフラクタル属性を解読するマルチフラクタル法(multifractal method)を用いて,内部に隠された財宝を解き放つ旅に着手する。
この取り組みは、ニューラルネットワークアーキテクチャ内の非線形情報伝達を容易にするために、提案された活性化関数のパワーも活用する、新しいモデルを生み出しました。
技術的用語の抽出とハザードイベントの分類に関する実世界の技術的報告に係わる実験の成功は、我々の努力の証となる。
この研究ベンチャーは、テキストマイニングの理解を広げるだけでなく、さまざまなドメインにまたがる知識発見の新たな地平を開く。
関連論文リスト
- ARPA: A Novel Hybrid Model for Advancing Visual Word Disambiguation Using Large Language Models and Transformers [1.6541870997607049]
変換器の高度な特徴抽出機能を備えた大規模言語モデルの非並列的文脈理解を融合したアーキテクチャであるARPAを提案する。
ARPAの導入は、視覚的単語の曖昧さにおいて重要なマイルストーンであり、魅力的なソリューションを提供する。
我々は研究者や実践者たちに、このようなハイブリッドモデルが人工知能の先例のない進歩を後押しする未来を想像して、我々のモデルの能力を探求するよう依頼する。
論文 参考訳（メタデータ） (2024-08-12T10:15:13Z) - Open Visual Knowledge Extraction via Relation-Oriented Multimodality
Model Prompting [89.95541601837719]
オープンビジュアル知識抽出の新しいパラダイムを初めて探求する。
OpenVikは、リレーショナル知識を含む可能性のあるリージョンを検出するオープンリレーショナルリージョン検出器で構成されている。
検出された関心領域で大規模なマルチモーダリティモデルを促すことにより、書式のない知識を生成する視覚的知識生成装置。
論文 参考訳（メタデータ） (2023-10-28T20:09:29Z) - Exploring Multi-Modal Contextual Knowledge for Open-Vocabulary Object
Detection [72.36017150922504]
教師の融合変換器から学生検出器へ学習した文脈知識を伝達するためのマルチモーダルな文脈知識蒸留フレームワーク MMC-Det を提案する。
多様なマルチモーダルマスキング言語モデリングは、従来のマルチモーダルマスキング言語モデリング(MLM)に基づくオブジェクト分散制約により実現される。
論文 参考訳（メタデータ） (2023-08-30T08:33:13Z) - A Brief Yet In-Depth Survey of Deep Learning-Based Image Watermarking [1.249418440326334]
本稿では,ディープラーニングに基づく画像透かしに関する総合的な調査を行う。
カバーイメージ内の透かしの埋め込みと抽出に重点を置いており、堅牢性と適応性のシームレスなブレンドを提供することを目的としている。
本稿では,フィールドを埋め込み抽出器,特徴変換としてのディープネットワーク,ハイブリッドメソッドに分割する,洗練された分類手法を提案する。
論文 参考訳（メタデータ） (2023-08-08T22:06:14Z) - Combo of Thinking and Observing for Outside-Knowledge VQA [13.838435454270014]
外部知識の視覚的質問応答は、買収とオープンエンドの現実世界の知識の使用の両方を必要とする難しいタスクである。
本稿では,モダリティ空間を自然言語空間と同じ空間に制約することに着想を得た。
本稿では,マルチモーダルエンコーダ,テキストエンコーダ,応答デコーダからなる新しいフレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-10T18:32:32Z) - A Survey of Text Representation Methods and Their Genealogy [0.0]
近年、高度にスケーラブルな人工神経ネットワークベースのテキスト表現法が出現し、自然言語処理の分野は前例のない成長と高度化が見られた。
我々は、系譜にそれらを配置し、テキスト表現方法の分類を概念化し、最先端の状態を検証し、説明することによって、現在のアプローチに関する調査を行う。
論文 参考訳（メタデータ） (2022-11-26T15:22:01Z) - Vision+X: A Survey on Multimodal Learning in the Light of Data [64.03266872103835]
様々なソースからのデータを組み込んだマルチモーダル機械学習が,ますます普及している研究分野となっている。
我々は、視覚、音声、テキスト、動きなど、各データフォーマットの共通点と特異点を分析する。
本稿では,表現学習と下流アプリケーションレベルの両方から,マルチモーダル学習に関する既存の文献を考察する。
論文 参考訳（メタデータ） (2022-10-05T13:14:57Z) - Foundations and Recent Trends in Multimodal Machine Learning:
Principles, Challenges, and Open Questions [68.6358773622615]
本稿では,マルチモーダル機械学習の計算的基礎と理論的基礎について概説する。
本稿では,表現,アライメント,推論,生成,伝達,定量化という,6つの技術課題の分類法を提案する。
最近の技術的成果は、この分類のレンズを通して示され、研究者は新しいアプローチの類似点と相違点を理解することができる。
論文 参考訳（メタデータ） (2022-09-07T19:21:19Z) - Positioning yourself in the maze of Neural Text Generation: A
Task-Agnostic Survey [54.34370423151014]
本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。
本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
論文 参考訳（メタデータ） (2020-10-14T17:54:42Z) - Learning Depth With Very Sparse Supervision [57.911425589947314]
本稿では, 環境との相互作用を通じて, 知覚が世界の3次元特性と結合するという考えを考察する。
我々は、環境と対話するロボットが利用できるような、特殊なグローバルローカルネットワークアーキテクチャを訓練する。
いくつかのデータセットの実験では、画像ピクセルの1つでも基底真理が利用できる場合、提案されたネットワークは、最先端のアプローチよりも22.5%の精度でモノクロの深度推定を学習できることを示している。
論文 参考訳（メタデータ） (2020-03-02T10:44:13Z)
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。