Fugu-MT 論文翻訳(概要): Boilerplate Detection via Semantic Classification of TextBlocks

論文の概要: Boilerplate Detection via Semantic Classification of TextBlocks

arxiv url: http://arxiv.org/abs/2203.04467v1
Date: Wed, 9 Mar 2022 01:01:49 GMT
ステータス: 処理完了
システム内更新日: 2022-03-10 14:21:29.261791
Title: Boilerplate Detection via Semantic Classification of TextBlocks
Title（参考訳）: テキストブロックの意味的分類によるボイラープレート検出
Authors: Hao Zhang, Jie Wang
Abstract要約: 本稿では,HTMLボイラプレートを検出するために,SemTextと呼ばれる階層型ニューラルネットワークモデルを提案する。私たちは、SemTextを3つの公開されたニュースWebページのデータセットでトレーニングし、少数の開発データを使って微調整します。これらのデータセット上で,SemTextが最先端の精度を実現することを示す。
参考スコア（独自算出の注目度）: 9.272728720669846
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We present a hierarchical neural network model called SemText to detect HTML boilerplate based on a novel semantic representation of HTML tags, class names, and text blocks. We train SemText on three published datasets of news webpages and fine-tune it using a small number of development data in CleanEval and GoogleTrends-2017. We show that SemText achieves the state-of-the-art accuracy on these datasets. We then demonstrate the robustness of SemText by showing that it also detects boilerplate effectively on out-of-domain community-based question-answer webpages.
Abstract（参考訳）: 本稿では,HTMLタグ,クラス名,テキストブロックの新たな意味表現に基づいて,SemTextと呼ばれる階層型ニューラルネットワークモデルを提案する。 SemTextを3つの公開されたニュースWebページのデータセットでトレーニングし、CleanEvalとGoogleTrends-2017の少数の開発データを使って微調整します。これらのデータセット上で,SemTextが最先端の精度を実現することを示す。次に、ドメイン外コミュニティベースの質問応答Webページ上で、ボイラープレートを効果的に検出できることを示し、SemTextの堅牢性を示す。

関連論文リスト

SegVG: Transferring Object Bounding Box to Segmentation for Visual Grounding [56.079013202051094]
ボックスレベルのアノテーションを信号として転送する新しい手法であるSegVGを提案する。このアプローチでは,ボックスレベルのレグレッションとピクセルレベルのセグメンテーションの両方の信号としてアノテーションを反復的に利用することができる。
論文参考訳（メタデータ） (2024-07-03T15:30:45Z)
Hierarchical Knowledge Distillation on Text Graph for Data-limited Attribute Inference [5.618638372635474]
我々は,ソーシャルメディアのテキストデータに基づく属性推論のためのテキストグラフに基づく少ショット学習モデルを開発した。我々のモデルはまず、多様体学習とメッセージパッシングを用いてテキストグラフを構築し、洗練する。クロスドメインテキストと未ラベルテキストをさらに活用して、少数ショットのパフォーマンスを向上させるために、テキストグラフ上で階層的な知識蒸留が考案される。
論文参考訳（メタデータ） (2024-01-10T05:50:34Z)
RETSim: Resilient and Efficient Text Similarity [1.6228944467258688]
RETSimは、テキスト検索、クラスタリング、データセット重複タスクのための堅牢なメトリック埋め込みを生成するためにトレーニングされた、軽量で多言語的なディープラーニングモデルである。我々は、RETSimがMinHashやニューラルテキストの埋め込みよりもはるかに堅牢で正確であることを実証した。また,W4NT3Dベンチマークを用いて,多言語・ほぼ重複したテキスト検索機能の評価を行った。
論文参考訳（メタデータ） (2023-11-28T22:54:33Z)
AnyText: Multilingual Visual Text Generation And Editing [18.811943975513483]
拡散型多言語視覚テキスト生成・編集モデルであるAnyTextを紹介する。 AnyTextは複数の言語で文字を書くことができます。我々は、OCRアノテーションと300万の画像テキストペアを複数言語で含む、最初の大規模多言語テキスト画像データセットであるAnyWord-3Mをコントリビュートする。
論文参考訳（メタデータ） (2023-11-06T12:10:43Z)
Augmenting text for spoken language understanding with Large Language Models [13.240782495441275]
対応する音声を使わずに書き起こし構文解析データ(未ペアテキスト)の使い方を示す。実験の結果、既存のドメインと新しいドメインの未ペアテキストは、絶対的エクサクトマッチ(EM)において、それぞれ2%と30%の性能を向上させることがわかった。本稿では,既存のドメインや新しいドメインに対する未ペアテキストを生成するために,LLM(Large Language Models)を提案する。
論文参考訳（メタデータ） (2023-09-17T22:25:34Z)
TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文参考訳（メタデータ） (2023-06-06T03:37:41Z)
Knowledge Mining with Scene Text for Fine-Grained Recognition [53.74297368412834]
本研究では,シーンテキスト画像の背景にある暗黙的な文脈知識をマイニングする,エンドツーエンドのトレーニング可能なネットワークを提案する。我々は,KnowBertを用いて意味表現の関連知識を検索し,それを画像特徴と組み合わせ,きめ細かい分類を行う。本手法は,3.72%のmAPと5.39%のmAPをそれぞれ上回っている。
論文参考訳（メタデータ） (2022-03-27T05:54:00Z)
DAN: a Segmentation-free Document Attention Network for Handwritten Document Recognition [1.7875811547963403]
手書き文書認識のためのエンドツーエンドセグメンテーションフリーアーキテクチャを提案する。このモデルはXMLのような方法で開始と終了のタグを使ってテキスト部品にラベルを付けるように訓練されている。ページレベルでのREADデータセットと、CERの3.53%と3.69%の2ページレベルの競合結果を得た。
論文参考訳（メタデータ） (2022-03-23T08:40:42Z)
SwinTextSpotter: Scene Text Spotting via Better Synergy between Text Detection and Text Recognition [73.61592015908353]
本稿では,SwinTextSpotter と呼ばれるシーンテキストスポッティングフレームワークを提案する。動的頭部を検出器とするトランスを用いて、2つのタスクを新しい認識変換機構で統一する。この設計は、追加の修正モジュールも文字レベルのアノテーションも必要としない簡潔なフレームワークをもたらす。
論文参考訳（メタデータ） (2022-03-19T01:14:42Z)
Minimally-Supervised Structure-Rich Text Categorization via Learning on Text-Rich Networks [61.23408995934415]
テキストリッチネットワークから学習することで,最小限に教師付き分類を行う新しいフレームワークを提案する。具体的には、テキスト理解のためのテキスト解析モジュールと、クラス差別的でスケーラブルなネットワーク学習のためのネットワーク学習モジュールの2つのモジュールを共同でトレーニングします。実験の結果,1つのカテゴリに3つのシード文書しか与えられず,その精度は約92%であった。
論文参考訳（メタデータ） (2021-02-23T04:14:34Z)
Adversarial Watermarking Transformer: Towards Tracing Text Provenance with Data Hiding [80.3811072650087]
自然言語の透かしを防御として研究し,テキストの出所の発見と追跡に役立てる。本稿では,適応型透かし変換器(AWT)とエンコーダ・デコーダ・デコーダを併用した対向型透かし変換器(AWT)について述べる。 AWTは、テキストにデータを隠蔽する最初のエンドツーエンドモデルである。
論文参考訳（メタデータ） (2020-09-07T11:01:24Z)

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。