Fugu-MT 論文翻訳(概要): Global alignment for relation extraction in Microbiology

論文の概要: Global alignment for relation extraction in Microbiology

arxiv url: http://arxiv.org/abs/2112.02097v1
Date: Thu, 25 Nov 2021 10:19:05 GMT
ステータス: 処理完了
システム内更新日: 2021-12-12 15:17:57.831807
Title: Global alignment for relation extraction in Microbiology
Title（参考訳）: 微生物学における関係抽出のためのグローバルアライメント
Authors: Anfu Tang (LISN), Claire N\'edellec, Pierre Zweigenbaum (LISN), Louise Del\'eger, Robert Bossy
Abstract要約: 本研究では,グローバルアライメントと構文情報に基づいてテキストから関係を抽出する手法について検討する。この手法は2つのREタスクにおいてLSTMと同等かそれ以上の性能を持つ。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate a method to extract relations from texts based on global alignment and syntactic information. Combined with SVM, this method is shown to have a performance comparable or even better than LSTM on two RE tasks.
Abstract（参考訳）: グローバルアライメントと構文情報に基づいてテキストから関係を抽出する手法について検討した。 SVMと組み合わせることで、この手法は2つのREタスクにおけるLSTMに匹敵する、あるいはそれ以上の性能を持つことを示す。

関連論文リスト

Fast Training Dataset Attribution via In-Context Learning [9.542023122304096]
我々は、インコンテキスト学習とプロンプトエンジニアリングを用いて、インストラクションチューニングされた大規模言語モデル(LLM)におけるトレーニングデータの貢献度を推定する。本研究では,(1)LLM出力のコンテクストと非コンテクストとの差を測定する類似性に基づくアプローチと,(2)コントリビューションスコアを行列因数分解タスクとして識別する問題をモデル化する混合分布モデルアプローチを提案する。
論文参考訳（メタデータ） (2024-08-14T20:48:45Z)
Interpetable Target-Feature Aggregation for Multi-Task Learning based on Bias-Variance Analysis [53.38518232934096]
マルチタスク学習(MTL)は、タスク間の共有知識を活用し、一般化とパフォーマンスを改善するために設計された強力な機械学習パラダイムである。本稿では,タスククラスタリングと特徴変換の交点におけるMTL手法を提案する。両段階において、鍵となる側面は減った目標と特徴の解釈可能性を維持することである。
論文参考訳（メタデータ） (2024-06-12T08:30:16Z)
Modeling Uncertainty and Using Post-fusion as Fallback Improves Retrieval Augmented Generation with LLMs [80.74263278847063]
検索されたパスと大きな言語モデル(LLM)の統合は、オープンドメインの質問応答の改善に大きく貢献している。本稿では,検索したパスをLLMと組み合わせて回答生成を向上させる方法について検討する。
論文参考訳（メタデータ） (2023-08-24T05:26:54Z)
Unsupervised Broadcast News Summarization; a comparative study on Maximal Marginal Relevance (MMR) and Latent Semantic Analysis (LSA) [3.8137985834223507]
音声の自動要約法は,教師なしと教師なしの2つのグループに分類される。音声の自動要約において,Latent Semantic Analysis (LSA) とMaximal Marginal Relevance (MMR) が最も重要かつよく知られた教師なしの手法と考えられている。本研究は,ペルシア放送ニュース要約の書き起こしにおける,前述の2つの教師なし手法の性能について検討することを目的とした。
論文参考訳（メタデータ） (2023-01-05T20:13:44Z)
RoME: Role-aware Mixture-of-Expert Transformer for Text-to-Video Retrieval [66.2075707179047]
そこで本研究では,テキストと動画を3段階に切り離した,新しい混在型トランスフォーマーRoMEを提案する。我々はトランスフォーマーに基づくアテンション機構を用いて、グローバルレベルとローカルレベルの両方で視覚とテキストの埋め込みを完全に活用する。提案手法は,YouCook2 および MSR-VTT データセットの最先端手法よりも優れている。
論文参考訳（メタデータ） (2022-06-26T11:12:49Z)
On Language Model Integration for RNN Transducer based Speech Recognition [49.84285563767935]
共通RNN-Tフレームワークで構成された様々なILM補正に基づくLM積分法について検討する。 ILM補正による性能改善の2つの主な理由を復号化解釈する。また,ハイブリッド自己回帰変換器の証明を拡張することで,正確なILMトレーニングフレームワークを提案する。
論文参考訳（メタデータ） (2021-10-13T16:30:46Z)
Exploring Topic-Metadata Relationships with the STM: A Bayesian Approach [0.0]
現在のベイジアン手法と頻繁な方法の融合ではなく、完全にベイジアンアプローチを提案します。我々は、ドイツの国会議員によるtwitter投稿間の関係を探求することで、改善手法を実証する。
論文参考訳（メタデータ） (2021-04-06T13:28:04Z)
Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
論文参考訳（メタデータ） (2020-09-08T21:55:22Z)
Memory-Augmented Relation Network for Few-Shot Learning [114.47866281436829]
本研究では,新しい距離学習手法であるメモリ拡張リレーショナルネットワーク(MRN)について検討する。 MRNでは、作業状況と視覚的に類似したサンプルを選択し、重み付け情報伝搬を行い、選択したサンプルから有用な情報を注意深く集約し、その表現を強化する。我々は、MRNが祖先よりも大幅に向上し、他の数発の学習手法と比較して、競争力や性能が向上することを示した。
論文参考訳（メタデータ） (2020-05-09T10:09:13Z)

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。