論文の概要: Merit-based Fusion of NLP Techniques for Instant Feedback on Water
Quality from Twitter Text
- arxiv url: http://arxiv.org/abs/2202.04462v1
- Date: Wed, 9 Feb 2022 13:47:33 GMT
- ステータス: 処理完了
- システム内更新日: 2022-02-10 18:55:06.439271
- Title: Merit-based Fusion of NLP Techniques for Instant Feedback on Water
Quality from Twitter Text
- Title(参考訳): メリットに基づくnlp技術の融合によるtwitterテキストからの水質の即時フィードバック
- Authors: Khubaib Ahmad, Muhammad Asif Ayub, Kashif Ahmad, Jebran Khan, Nasir
Ahmad, Ala Al-Fuqaha
- Abstract要約: 本稿は,フィードバックの即時源としてのソーシャルメディアの可能性を分析することによって,水質を評価できる重要な環境課題に焦点を当てる。
この研究の主な目的は、水質に関連するソーシャルメディアの投稿を自動的に分析し、検索することである。
本稿では,プリプロセッシング,データ拡張,分類手法を取り入れた新しいフレームワークを提案する。
- 参考スコア(独自算出の注目度): 7.4565260052193185
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper focuses on an important environmental challenge; namely, water
quality by analyzing the potential of social media as an immediate source of
feedback. The main goal of the work is to automatically analyze and retrieve
social media posts relevant to water quality with particular attention to posts
describing different aspects of water quality, such as watercolor, smell,
taste, and related illnesses. To this aim, we propose a novel framework
incorporating different preprocessing, data augmentation, and classification
techniques. In total, three different Neural Networks (NNs) architectures,
namely (i) Bidirectional Encoder Representations from Transformers (BERT), (ii)
Robustly Optimized BERT Pre-training Approach (XLM-RoBERTa), and (iii) custom
Long short-term memory (LSTM) model, are employed in a merit-based fusion
scheme. For merit-based weight assignment to the models, several optimization
and search techniques are compared including a Particle Swarm Optimization
(PSO), a Genetic Algorithm (GA), Brute Force (BF), Nelder-Mead, and Powell's
optimization methods. We also provide an evaluation of the individual models
where the highest F1-score of 0.81 is obtained with the BERT model. In
merit-based fusion, overall better results are obtained with BF achieving an
F1-score score of 0.852.
We also provide comparison against existing methods, where a significant
improvement for our proposed solutions is obtained. We believe such rigorous
analysis of this relatively new topic will provide a baseline for future
research.
- Abstract(参考訳): 本稿は,フィードバックの即時源としてのソーシャルメディアの可能性を分析することによって,水質を評価できる重要な環境課題に焦点を当てる。
この研究の主な目的は、水色、匂い、味、関連する病気など、水質の異なる側面を記述した投稿に特に注意を向けて、水質に関連するソーシャルメディア投稿を自動分析して検索することである。
そこで本研究では,異なる事前処理,データ拡張,分類手法を取り入れた新しいフレームワークを提案する。
合計で3つの異なるニューラルネットワーク(NN)アーキテクチャ、すなわち
(i)トランスフォーマー(bert)からの双方向エンコーダ表現
(II)ロバストに最適化されたBERT事前学習手法(XLM-RoBERTa)および
(iii)カスタム長短期記憶モデル(lstm)は、メリットに基づく融合方式に採用されている。
モデルへのメリットに基づく重み付けについては、粒子群最適化(pso)、遺伝的アルゴリズム(ga)、ブルート力(bf)、ネルダーミード、パウエルの最適化法など、いくつかの最適化と探索手法を比較した。
また, BERTモデルを用いて, 最高F1スコア0.81を得る個別モデルの評価を行った。
メリットベースの融合では、BFがF1スコアスコアの0.852を達成して総合的に良い結果が得られる。
また,提案手法の大幅な改善が得られた既存手法との比較を行った。
このような比較的新しいトピックの厳密な分析は、将来の研究のベースラインになると考えています。
関連論文リスト
- A Performance Analysis of Basin Hopping Compared to Established
Metaheuristics for Global Optimization [2.209921757303168]
BBOBテスト関数セットと2つの困難な実世界の問題を用いたIOHプロファイラ環境を用いた数値実験を行った。
その結果, 流域ホッピングは, より確立されたメタヒューリスティクスとともに, 大域的な数値最適化問題の候補となる可能性が示唆された。
論文 参考訳(メタデータ) (2024-03-09T11:02:47Z) - Surpassing legacy approaches and human intelligence with hybrid single-
and multi-objective Reinforcement Learning-based optimization and
interpretable AI to enable the economic operation of the US nuclear fleet [0.0]
原子力セクターは、アメリカ合衆国における炭素フリーエネルギーの主要な供給源である。
既存の原子力発電所は、ガス発電所のような代替品と経済的に競合することができないため、早期閉鎖の脅威に直面している。
我々は,Deep Reinforcement Learningに基づくコアリロードパターンの最先端化手法を開発した。
論文 参考訳(メタデータ) (2024-02-16T19:35:58Z) - Infinite forecast combinations based on Dirichlet process [9.326879672480413]
本稿では,ディリクレ過程に基づく深層学習アンサンブル予測モデルを提案する。
単一のベンチマークモデルに比べて予測精度と安定性が大幅に向上している。
論文 参考訳(メタデータ) (2023-11-21T06:41:41Z) - QualEval: Qualitative Evaluation for Model Improvement [86.29905469151566]
モデル改善のための手段として,自動定性評価による定量的スカラー指標を付加するQualEvalを提案する。
QualEvalは強力なLCM推論器と新しいフレキシブルリニアプログラミングソルバを使用して、人間の読みやすい洞察を生成する。
例えば、その洞察を活用することで、Llama 2モデルの絶対性能が最大15%向上することを示す。
論文 参考訳(メタデータ) (2023-11-06T00:21:44Z) - Physics Inspired Hybrid Attention for SAR Target Recognition [61.01086031364307]
本稿では,物理にヒントを得たハイブリットアテンション(PIHA)機構と,この問題に対処するためのOFA評価プロトコルを提案する。
PIHAは、物理的情報の高レベルなセマンティクスを活用して、ターゲットの局所的なセマンティクスを認識した特徴群を活性化し、誘導する。
提案手法は,ASCパラメータが同じ12のテストシナリオにおいて,他の最先端手法よりも優れている。
論文 参考訳(メタデータ) (2023-09-27T14:39:41Z) - Interactive Hyperparameter Optimization in Multi-Objective Problems via
Preference Learning [65.51668094117802]
我々は多目的機械学習(ML)に適した人間中心型対話型HPO手法を提案する。
ユーザが自分のニーズに最も適した指標を推測する代わりに、私たちのアプローチは自動的に適切な指標を学習します。
論文 参考訳(メタデータ) (2023-09-07T09:22:05Z) - BOtied: Multi-objective Bayesian optimization with tied multivariate
ranks [49.85896045032822]
非支配解と最高多変量階との自然な関係を示し、これは合同累積分布関数(CDF)の最外層線と一致する。
我々はCDFインジケータに基づくBOtiedと呼ばれる取得関数を提案する。
論文 参考訳(メタデータ) (2023-06-01T04:50:06Z) - Universal Domain Adaptation from Foundation Models: A Baseline Study [58.51162198585434]
基礎モデルを用いた最先端UniDA手法の実証的研究を行った。
CLIPモデルからターゲット知識を抽出するためのパラメータフリーな手法であるtextitCLIP 蒸留を導入する。
単純な手法ではあるが、ほとんどのベンチマークタスクでは従来の手法よりも優れている。
論文 参考訳(メタデータ) (2023-05-18T16:28:29Z) - Surrogate-based optimization using an artificial neural network for a
parameter identification in a 3D marine ecosystem model [0.0]
海洋生態系モデルの同定は,観測データに対する海洋生態系モデルの評価と検証に重要である。
SBO(Surrogate-based optimization)は、複雑なモデルを最適化する計算効率の良い手法である。
論文 参考訳(メタデータ) (2021-11-30T17:43:32Z) - NLP Techniques for Water Quality Analysis in Social Media Content [4.284841324544116]
本稿では,メディアEval 2021タスク,すなわち「WaterMM:Water Quality in Social Multimedia」へのコントリビューションについて述べる。
この課題は、水彩、匂い、味、関連する病気などの側面に特に焦点をあてて、水質に関連するソーシャルメディアの投稿を分析することを目的としている。
この目的のために、メタデータとともにテキスト情報と視覚情報の両方を含むマルチモーダルデータセットを提供する。
論文 参考訳(メタデータ) (2021-11-30T10:36:35Z) - Reenvisioning Collaborative Filtering vs Matrix Factorization [65.74881520196762]
近年,行列因数分解に基づく協調フィルタリングモデルや,ニューラルネットワーク(ANN)を用いた類似性の学習が注目されている。
推薦エコシステム内でのANNの発表が最近疑問視され、効率性と有効性に関していくつかの比較がなされている。
本研究では,これらの手法が相補的評価次元に与える影響を解析しながら,超精度評価にもたらす可能性を示す。
論文 参考訳(メタデータ) (2021-07-28T16:29:38Z)
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。