Fugu-MT 論文翻訳(概要): Topical Classification of Food Safety Publications with a Knowledge Base

論文の概要: Topical Classification of Food Safety Publications with a Knowledge Base

arxiv url: http://arxiv.org/abs/2201.00374v1
Date: Sun, 2 Jan 2022 16:15:05 GMT
ステータス: 処理完了
システム内更新日: 2022-01-04 21:27:15.143044
Title: Topical Classification of Food Safety Publications with a Knowledge Base
Title（参考訳）: 知識ベースによる食品安全出版物の話題分類
Authors: Piotr Sowi\'nski, Katarzyna Wasielewska-Michniewska, Maria Ganzha, Marcin Paprzycki
Abstract要約: この研究は、知識ベース指向の出版分類器を導入している。提案手法は,他の領域へのスケーラビリティと容易な適応性の実現に重点を置いている。分類速度と精度は、非常に要求の多い食品安全分野において満足できる。
参考スコア（独自算出の注目度）: 0.5505634045241287
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The vast body of scientific publications presents an increasing challenge of finding those that are relevant to a given research question, and making informed decisions on their basis. This becomes extremely difficult without the use of automated tools. Here, one possible area for improvement is automatic classification of publication abstracts according to their topic. This work introduces a novel, knowledge base-oriented publication classifier. The proposed method focuses on achieving scalability and easy adaptability to other domains. Classification speed and accuracy are shown to be satisfactory, in the very demanding field of food safety. Further development and evaluation of the method is needed, as the proposed approach shows much potential.
Abstract（参考訳）: 多くの科学出版物は、与えられた研究課題に関連するものを見つけ、その根拠に基づいて情報的決定を行うという課題が増えていることを示している。これは自動化ツールを使わずに非常に難しくなります。ここで、改善すべき1つの領域は、そのトピックに応じた出版要約の自動分類である。本研究は,新しい知識ベース指向出版分類器を提案する。提案手法はスケーラビリティと他のドメインへの適応性の向上に重点を置いている。分類速度と精度は、非常に要求の多い食品安全分野において満足できる。本手法のさらなる開発と評価は,提案手法が大きな可能性を示すため必要である。

関連論文リスト

Automating Bibliometric Analysis with Sentence Transformers and Retrieval-Augmented Generation (RAG): A Pilot Study in Semantic and Contextual Search for Customized Literature Characterization for High-Impact Urban Research [2.1728621449144763]
文献分析は、都市科学における研究動向、スコープ、影響を理解するために不可欠である。キーワード検索に依存する伝統的な手法は、記事のタイトルやキーワードに明記されていない価値ある洞察を明らかにするのに失敗することが多い。我々は、生成AIモデル、特にトランスフォーマーとレトリーバル拡張生成(RAG)を活用して、バイオロメトリ分析の自動化と強化を行う。
論文参考訳（メタデータ） (2024-10-08T05:13:27Z)
Artificial Intuition: Efficient Classification of Scientific Abstracts [42.299140272218274]
短い科学的テキストは、解釈を助けるための豊富な知識を持つ専門家に、密集した情報を効率的に伝達する。このギャップに対処するために、我々は、粗いドメイン固有のラベルを生成し、適切に割り当てる新しいアプローチを開発した。本稿では,大規模言語モデル(LLM)が,補足的知識の強化に類似したプロセスにおいて,タスクに不可欠なメタデータを提供することを示す。
論文参考訳（メタデータ） (2024-07-08T16:34:47Z)
RelevAI-Reviewer: A Benchmark on AI Reviewers for Survey Paper Relevance [0.8089605035945486]
本稿では,調査論文レビューの課題を分類問題として概念化するシステムであるRelevAI-Reviewerを提案する。 25,164のインスタンスからなる新しいデータセットを導入する。各インスタンスには1つのプロンプトと4つの候補論文があり、それぞれがプロンプトに関連している。我々は,各論文の関連性を判断し,最も関連性の高い論文を識別できる機械学習(ML)モデルを開発した。
論文参考訳（メタデータ） (2024-06-13T06:42:32Z)
Deep Learning-Based Object Pose Estimation: A Comprehensive Survey [73.74933379151419]
ディープラーニングに基づくオブジェクトポーズ推定の最近の進歩について論じる。また、複数の入力データモダリティ、出力ポーズの自由度、オブジェクト特性、下流タスクについても調査した。
論文参考訳（メタデータ） (2024-05-13T14:44:22Z)
Label-Free Topic-Focused Summarization Using Query Augmentation [2.127049691404299]
本研究では、広範囲なラベル付きデータセットを必要としないトピック中心の要約のための新しい手法であるAQSを紹介した。提案手法は,データ豊富な環境において,コスト効率の高いソリューションとしての可能性を示すとともに,関連性のある正確な要約を生成する能力を示す。このイノベーションは、トピック中心の要約技術分野における幅広い応用とアクセシビリティの道を開いた。
論文参考訳（メタデータ） (2024-04-25T08:39:10Z)
Activate and Reject: Towards Safe Domain Generalization under Category Shift [71.95548187205736]
カテゴリーシフト(DGCS)下における領域一般化の実践的問題について検討する。未知のクラスサンプルを同時に検出し、ターゲットドメイン内の既知のクラスサンプルを分類することを目的としている。従来のDGと比較すると,1)ソースクラスのみを用いたトレーニングにおいて,未知の概念を学習する方法,2)ソーストレーニングされたモデルを未知の環境に適応する方法,の2つの新しい課題に直面している。
論文参考訳（メタデータ） (2023-10-07T07:53:12Z)
Food Image Classification and Segmentation with Attention-based Multiple Instance Learning [51.279800092581844]
本稿では,食品画像分類とセマンティックセグメンテーションモデルを訓練するための弱教師付き方法論を提案する。提案手法は、注意に基づくメカニズムと組み合わせて、複数のインスタンス学習アプローチに基づいている。提案手法の有効性を検証するため,FoodSeg103データセット内の2つのメタクラスについて実験を行った。
論文参考訳（メタデータ） (2023-08-22T13:59:47Z)
A Comprehensive Survey on Source-free Domain Adaptation [69.17622123344327]
ソースフリードメイン適応(SFDA)の研究は近年注目を集めている。 SFDAの最近の進歩を包括的に調査し、それらを統一的な分類体系に整理する。一般的な3つの分類基準で30以上のSFDA法を比較検討した。
論文参考訳（メタデータ） (2023-02-23T06:32:09Z)
Knowledge-enhanced Neural Machine Reasoning: A Review [67.51157900655207]
既存の知識強化手法を2つの主要なカテゴリと4つのサブカテゴリに分類する新しい分類法を導入する。我々は、現在のアプリケーションドメインを解明し、将来的な研究の展望について洞察を提供する。
論文参考訳（メタデータ） (2023-02-04T04:54:30Z)
Research Trends and Applications of Data Augmentation Algorithms [77.34726150561087]
我々は,データ拡張アルゴリズムの適用分野,使用するアルゴリズムの種類,重要な研究動向,時間経過に伴う研究の進展,およびデータ拡張文学における研究ギャップを同定する。我々は、読者がデータ拡張の可能性を理解し、将来の研究方向を特定し、データ拡張研究の中で質問を開くことを期待する。
論文参考訳（メタデータ） (2022-07-18T11:38:32Z)
Incorporating Effective Global Information via Adaptive Gate Attention for Text Classification [13.45504908358177]
複数のベースラインモデルと比較して,単純な統計情報により分類性能が向上することを示す。本稿では,グローバル情報を用いた適応ゲート注意モデル (AGA+GI) と呼ばれるゲート機構を持つ分類器を提案する。実験の結果,提案手法はCNNベースの手法やRNNベースの手法よりも精度が高いことがわかった。
論文参考訳（メタデータ） (2020-02-22T10:06:37Z)

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。