Fugu-MT 論文翻訳(概要): Ontological Learning from Weak Labels

論文の概要: Ontological Learning from Weak Labels

arxiv url: http://arxiv.org/abs/2203.02483v1
Date: Fri, 4 Mar 2022 18:29:46 GMT
ステータス: 処理完了
システム内更新日: 2022-03-07 16:18:10.358320
Title: Ontological Learning from Weak Labels
Title（参考訳）: 弱ラベルからのオントロジー学習
Authors: Larry Tang, Po Hao Chou, Yi Yu Zheng, Ziqian Ge, Ankit Shah, Bhiksha Raj
Abstract要約: オントロジ情報を用いることで、弱いラベル付きデータからの学習が向上するかどうかを検討する。我々はまず,マルチラベルシナリオに適合する修正を加え,音質_ontologyによって提案されたモデルを再実装した。弱ラベルシナリオや多ラベルシナリオに情報を組み込むことで,ベースラインのSiameseは性能が良くないことがわかった。
参考スコア（独自算出の注目度）: 17.503029715064034
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Ontologies encompass a formal representation of knowledge through the definition of concepts or properties of a domain, and the relationships between those concepts. In this work, we seek to investigate whether using this ontological information will improve learning from weakly labeled data, which are easier to collect since it requires only the presence or absence of an event to be known. We use the AudioSet ontology and dataset, which contains audio clips weakly labeled with the ontology concepts and the ontology providing the "Is A" relations between the concepts. We first re-implemented the model proposed by soundevent_ontology with modification to fit the multi-label scenario and then expand on that idea by using a Graph Convolutional Network (GCN) to model the ontology information to learn the concepts. We find that the baseline Siamese does not perform better by incorporating ontology information in the weak and multi-label scenario, but that the GCN does capture the ontology knowledge better for weak, multi-labeled data. In our experiments, we also investigate how different modules can tolerate noises introduced from weak labels and better incorporate ontology information. Our best Siamese-GCN model achieves mAP=0.45 and AUC=0.87 for lower-level concepts and mAP=0.72 and AUC=0.86 for higher-level concepts, which is an improvement over the baseline Siamese but about the same as our models that do not use ontology information.
Abstract（参考訳）: オントロジーは、ドメインの概念や特性の定義、それらの概念間の関係を通じて、知識の形式的な表現を包含する。本研究では,このオントロジ情報の利用が,イベントの存在や不在のみを必要とするため,収集が容易な弱いラベル付きデータからの学習を改善するかどうかを検討する。我々はAudioSetオントロジーとデータセットを使用し、オントロジーの概念と概念間の"Is A"関係を提供するオントロジーを弱めにラベル付けしたオーディオクリップを含む。我々はまず,soundevent_ontologyによって提案されたモデルを再実装し,マルチラベルシナリオに適合するように修正した上で,その概念をグラフ畳み込みネットワーク(gcn)を用いてモデル化し,概念を学習した。弱いマルチラベルのシナリオにオントロジー情報を組み込むことで,ベースラインのSiameseは向上しないが,GCNは弱いマルチラベルのデータに対して,オントロジーの知識をよりよく捉えている。実験では,異なるモジュールが弱ラベルからのノイズを許容し,オントロジー情報をより深く取り入れる方法について検討する。我々の最善のシアーム-gcnモデルは低レベル概念ではmap=0.45とauc=0.87、高レベル概念ではmap=0.72とauc=0.86を達成している。

関連論文リスト

Ontological Relations from Word Embeddings [2.384873896423002]
BERTのような一般的なニューラルモデルから得られる単語埋め込みの類似性は、それらの単語の意味の意味的類似性の形で効果的に近似することが確実に示されている。これらの埋め込みの上に単純なフィードフォワードアーキテクチャを組み込むことで、入力データに応じて様々な一般化能力を持つ有望な精度が得られることを示す。
論文参考訳（メタデータ） (2024-08-01T10:31:32Z)
Towards Ontology-Enhanced Representation Learning for Large Language Models [0.18416014644193066]
本稿では,知識を参照オントロジーで注入することで,埋め込み言語モデル(埋め込み言語モデル)の関心を高める新しい手法を提案する。言語情報(概念同義語と記述)と構造情報(is-a関係)は、包括的な概念定義の集合をコンパイルするために使用される。これらの概念定義は、対照的な学習フレームワークを使用して、ターゲットの埋め込み-LLMを微調整するために使用される。
論文参考訳（メタデータ） (2024-05-30T23:01:10Z)
Ontology Enhanced Claim Detection [1.0878040851637998]
文に基づくクレーム検出のためのオントロジー強化モデルを提案する。 ClaimBusterとNewsClaimsデータセットのクレーム検出を行うために,BERT文の埋め込みで知識ベースを融合した。我々のアプローチは、他の統計的およびニューラルネットワークモデルと比較して、これらの小さなアンバランスなデータセットで最も良い結果を示した。
論文参考訳（メタデータ） (2024-02-19T16:50:58Z)
KMF: Knowledge-Aware Multi-Faceted Representation Learning for Zero-Shot Node Classification [75.95647590619929]
Zero-Shot Node Classification (ZNC)は、グラフデータ分析において、新しく重要なタスクである。ラベルセマンティクスの豊かさを向上する知識認識型多面的フレームワーク(KMF)を提案する。ノード情報集約によるプロトタイプドリフトの問題を軽減するために,新しい幾何学的制約を開発した。
論文参考訳（メタデータ） (2023-08-15T02:38:08Z)
Recognizing Unseen Objects via Multimodal Intensive Knowledge Graph Propagation [68.13453771001522]
画像の領域と対応するセマンティック埋め込みとをマッチングする多モード集中型ZSLフレームワークを提案する。我々は、大規模な実世界のデータに基づいて、広範囲な実験を行い、そのモデルを評価する。
論文参考訳（メタデータ） (2023-06-14T13:07:48Z)
Language Knowledge-Assisted Representation Learning for Skeleton-Based Action Recognition [71.35205097460124]
人間が他人の行動を理解して認識する方法は、複雑な神経科学の問題である。 LA-GCNは、大規模言語モデル(LLM)知識アシストを用いたグラフ畳み込みネットワークを提案する。
論文参考訳（メタデータ） (2023-05-21T08:29:16Z)
EBOCA: Evidences for BiOmedical Concepts Association Ontology [55.41644538483948]
本論文は,生物医学領域の概念とそれらの関連性を記述するオントロジーであるEBOCAと,それらの関連性を支持するエビデンスを提案する。 DISNETのサブセットから得られるテストデータとテキストからの自動アソシエーション抽出が変換され、実際のシナリオで使用できる知識グラフが作成されるようになった。
論文参考訳（メタデータ） (2022-08-01T18:47:03Z)
Noisy Labels Can Induce Good Representations [53.47668632785373]
アーキテクチャがノイズラベルによる学習に与える影響について検討する。ノイズラベルを用いたトレーニングは,モデルが一般化に乏しい場合でも,有用な隠れ表現を誘導できることを示す。この発見は、騒々しいラベルで訓練されたモデルを改善する簡単な方法につながります。
論文参考訳（メタデータ） (2020-12-23T18:58:05Z)
Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
関係データに対するKENNの拡張を提案する。その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
論文参考訳（メタデータ） (2020-09-13T21:12:20Z)
Deep Adaptive Semantic Logic (DASL): Compiling Declarative Knowledge into Deep Neural Networks [11.622060073764944]
本稿では,深層ニューラルネットワークの自動生成のための新しいフレームワークであるDeep Adaptive Semantic Logic (DASL)を紹介する。 DASLは、データからの学習を改善するために、ユーザが提供する形式的な知識を取り入れている。我々は,視覚的関係検出タスク上でDASLを評価し,コモンセンス知識の追加によってデータ不足時の性能が10.7%向上することが実証された。
論文参考訳（メタデータ） (2020-03-16T17:37:25Z)
An Ontology-Aware Framework for Audio Event Classification [19.11706899266862]
近年の音声イベント分類の進歩は、先行情報として利用可能なラベルクラスの構造と関係を無視していることが多い。フィードフォワードオントロジー層とグラフ畳み込みネットワーク(GCN)の2つのコンポーネントを含むオントロジー対応ニューラルネットワークを提案する。このフレームワークは、シングルラベルとマルチラベルオーディオイベント分類タスクのための2つのベンチマークデータセットで評価される。
論文参考訳（メタデータ） (2020-01-27T20:07:39Z)

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。