論文の概要: Semantic Similarity Computing for Scientific Academic Conferences fused
with domain features
- arxiv url: http://arxiv.org/abs/2203.12593v1
- Date: Mon, 21 Mar 2022 04:55:21 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-24 16:33:02.262762
- Title: Semantic Similarity Computing for Scientific Academic Conferences fused
with domain features
- Title（参考訳）: ドメインの特徴を融合した学術会議における意味的類似性計算
- Authors: Runyu Yu, Yawen Li, Ang Li
- Abstract要約: 本稿では,学術会議におけるドメイン特徴との融合による意味的類似性計算アルゴリズムを提案する。
シームズネットワークの構造は、BERTの異方性問題を解決するために用いられる。
実験の結果,SBFDアルゴリズムは異なるデータセットに対して良好な結果を得た。
- 参考スコア（独自算出の注目度）: 12.827525352933202
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Aiming at the problem that the current general-purpose semantic text
similarity calculation methods are difficult to use the semantic information of
scientific academic conference data, a semantic similarity calculation
algorithm for scientific academic conferences by fusion with domain features is
proposed. First, the domain feature information of the conference is obtained
through entity recognition and keyword extraction, and it is input into the
BERT network as a feature and the conference information. The structure of the
Siamese network is used to solve the anisotropy problem of BERT. The output of
the network is pooled and normalized, and finally the cosine similarity is used
to calculate the similarity between the two sessions. Experimental results show
that the SBFD algorithm has achieved good results on different data sets, and
the Spearman correlation coefficient has a certain improvement compared with
the comparison algorithm.
- Abstract（参考訳）: 学術会議データのセマンティック情報を利用するのが現状の汎用意味テキスト類似性計算法では難しい問題として,ドメイン特徴との融合による学術会議のセマンティック類似性計算アルゴリズムを提案する。
まず、エンティティ認識とキーワード抽出によりカンファレンスのドメイン特徴情報を取得し、特徴としてbertネットワークに入力し、会議情報とする。
シームズネットワークの構造は、BERTの異方性問題を解決するために用いられる。
ネットワークの出力はプール化され正規化され、最後にコサイン類似度を用いて2つのセッション間の類似度を算出する。
実験の結果,sbfdアルゴリズムは異なるデータセットで良好な結果を示し,スピアマン相関係数は比較アルゴリズムと比較して一定の改善が見られた。
関連論文リスト
- Enhancing Community Detection in Networks: A Comparative Analysis of Local Metrics and Hierarchical Algorithms [49.1574468325115]
本研究は,地域間類似度指標を用いた地域検出の関連性を評価するために,同じ手法を用いている。
これらの指標の有効性は,異なるコミュニティサイズを持つ複数の実ネットワークにベースアルゴリズムを適用して評価した。
論文 参考訳（メタデータ） (2024-08-17T02:17:09Z) - FCNCP: A Coupled Nonnegative CANDECOMP/PARAFAC Decomposition Based on Federated Learning [6.854368686078438]
本研究は,FCNCPと呼ばれるフェデレート学習に基づく,効率的な非負結合テンソル分解アルゴリズムフレームワークを開発することを提案する。
これは高次元データ表現と分解におけるテンソル分解の優れた識別性能を組み合わせたものである。
片側刺激は左右半球の活性化領域においてより対称な成分を誘導することがわかった。
論文 参考訳（メタデータ） (2024-04-18T04:30:18Z) - On the Convergence of Federated Learning Algorithms without Data Similarity [11.074080383657453]
本稿では,データ類似性条件を必要とせずに,フェデレーション学習アルゴリズムの収束を解析するための新しい枠組みを提案する。
我々は,3つの広く使用されているステップサイズスケジュール(固定,縮小,ステップデカイステップサイズ)の正確な表現を導出する。
その結果,収束速度と全体的な性能は著しく向上した。
論文 参考訳（メタデータ） (2024-02-29T23:20:19Z) - Relation-aware Ensemble Learning for Knowledge Graph Embedding [68.94900786314666]
我々は,既存の手法を関係性に配慮した方法で活用し,アンサンブルを学習することを提案する。
関係認識アンサンブルを用いてこれらのセマンティクスを探索すると、一般的なアンサンブル法よりもはるかに大きな検索空間が得られる。
本稿では,リレーショナルなアンサンブル重みを独立に検索する分割探索合成アルゴリズムRelEns-DSCを提案する。
論文 参考訳（メタデータ） (2023-10-13T07:40:12Z) - A Parametric Similarity Method: Comparative Experiments based on
Semantically Annotated Large Datasets [0.0]
本稿では,デジタルリソースの意味的類似性の測定を目的としたパラメトリック手法SemSimpを提案する。
我々は,Association for Computing MachineryのDigital Libraryをベースとした,現実世界の大規模データセットを使用している。
物理学の領域で実施された実験は、一般に、SemSimpは他の類似性法よりも優れた結果をもたらすことを示した。
論文 参考訳（メタデータ） (2023-02-08T15:22:32Z) - Personalized Decentralized Multi-Task Learning Over Dynamic
Communication Graphs [59.96266198512243]
本稿では,正と負の相関関係を持つタスクに対する分散・フェデレーション学習アルゴリズムを提案する。
本アルゴリズムでは,タスク間の相関関係を自動的に計算し,コミュニケーショングラフを動的に調整して相互に有益なタスクを接続し,互いに悪影響を及ぼす可能性のあるタスクを分離する。
合成ガウスデータセットと大規模セレブ属性(CelebA)データセットについて実験を行った。
論文 参考訳（メタデータ） (2022-12-21T18:58:24Z) - FedILC: Weighted Geometric Mean and Invariant Gradient Covariance for
Federated Learning on Non-IID Data [69.0785021613868]
フェデレートラーニング(Federated Learning)とは、ローカルに計算されたパラメータの更新を、空間的に分散されたクライアントサイロからトレーニングデータに集約することで、共有サーバモデルによる学習を可能にする分散機械学習アプローチである。
本研究では, 勾配の共分散とヘッセンの幾何学的平均を利用して, シロ間およびシロ内成分の両方を捕捉するフェデレート不変学習一貫性(FedILC)アプローチを提案する。
これは医療、コンピュータビジョン、IoT(Internet of Things)といった様々な分野に関係している。
論文 参考訳（メタデータ） (2022-05-19T03:32:03Z) - Deconfounded Representation Similarity for Comparison of Neural Networks [16.23053104309891]
類似度指標は、入力空間内のデータ項目の集団構造によって構成される。
類似度指標を分解することで,意味論的に類似したニューラルネットワークを検出する分解能が向上することを示す。
論文 参考訳（メタデータ） (2022-01-31T21:25:02Z) - Multi-Features Guidance Network for partial-to-partial point cloud
registration [4.920701320706827]
本稿では,部分的から部分的なクラウド登録のための新しいマルチフィーチャー・ガイダンス・ネットワークを提案する。
提案するネットワークは,キーポイントの特徴抽出,対応検索,通信信頼性,SVDの4つの部分から構成される。
実験の結果,我々のネットワークは計算効率を保ちながら,現在の最先端のネットワークよりも優れていた。
論文 参考訳（メタデータ） (2020-11-24T13:31:58Z) - Privacy-Preserving Asynchronous Federated Learning Algorithms for
Multi-Party Vertically Collaborative Learning [151.47900584193025]
本稿では,非同期フェデレーションSGD(AFSGD-VP)アルゴリズムとその垂直分割データ上でのSVRGおよびSAGA変種を提案する。
我々の知る限り、AFSGD-VPとそのSVRGおよびSAGAの変種は、垂直に分割されたデータのための最初の非同期フェデレーション学習アルゴリズムである。
論文 参考訳（メタデータ） (2020-08-14T08:08:15Z) - A Constraint-Based Algorithm for the Structural Learning of
Continuous-Time Bayesian Networks [70.88503833248159]
連続時間ベイズネットワークの構造を学習するための制約に基づく最初のアルゴリズムを提案する。
我々は,条件付き独立性を確立するために提案した,異なる統計的テストと基礎となる仮説について論じる。
論文 参考訳（メタデータ） (2020-07-07T07:34:09Z)
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。