論文の概要: Cross-Media Scientific Research Achievements Retrieval Based on Deep
Language Model
- arxiv url: http://arxiv.org/abs/2203.15595v1
- Date: Tue, 29 Mar 2022 14:04:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-30 16:44:05.178619
- Title: Cross-Media Scientific Research Achievements Retrieval Based on Deep
Language Model
- Title(参考訳): 深層言語モデルに基づくクロスメディア科学研究成果検索
- Authors: Benzhi Wang, Meiyu Liang, Feifei Kou and Mingying Xu
- Abstract要約: 本稿では,深層言語モデル(CARDL)に基づくマルチメディア科学研究成果検索手法を提案する。
異なるモーダルデータ間のセマンティックアソシエーションを学習することにより、統合されたメディア間セマンティック表現を実現する。
異なるモーダルデータ間のセマンティックな類似性マッチングにより、クロスメディア検索を実現する。
- 参考スコア(独自算出の注目度): 2.900289363118179
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Science and technology big data contain a lot of cross-media
information.There are images and texts in the scientific paper.The s ingle
modal search method cannot well meet the needs of scientific researchers.This
paper proposes a cross-media scientific research achievements retrieval method
based on deep language model (CARDL).It achieves a unified cross-media semantic
representation by learning the semantic association between different modal
data, and is applied to the generation of text semantic vector of scientific
research achievements, and then cross-media retrieval is realized through
semantic similarity matching between different modal data.Experimental results
show that the proposed CARDL method achieves better cross-modal retrieval
performance than existing methods. Key words science and technology big data ;
cross-media retrieval; cross-media semantic association learning; deep language
model; semantic similarity
- Abstract(参考訳): 科学と技術 ビッグデータには、多くのクロスメディア情報が含まれている。科学論文には画像とテキストがある。s ingle modal search methodは、科学研究者のニーズを十分に満たさない。本論文は、深層言語モデル(deep language model:cardl)に基づく、クロスメディア科学研究成果検索手法を提案する。
異なるモーダルデータ間の意味関係を学習し、科学研究成果のテキスト意味ベクトル生成に適用し、異なるモーダルデータ間の意味類似性マッチングにより、メディア横断検索を実現することにより、統一的なクロスメディア意味表現を実現する。
キーワード科学と技術ビッグデータ ; クロスメディア検索; クロスメディアセマンティックアソシエーション学習; ディープ言語モデル; セマンティック類似性
関連論文リスト
- Enhancing Cloud-Based Large Language Model Processing with Elasticsearch
and Transformer Models [17.09116903102371]
LLM(Large Language Models)は、Transformerネットワークを使用して構築された生成AIモデルのクラスである。
LLMは膨大なデータセットを活用して、言語を特定し、要約し、翻訳し、予測し、生成することができる。
大規模言語モデルにおける意味ベクトル探索は,検索結果の精度と妥当性を大幅に向上させる強力な手法である。
論文 参考訳(メタデータ) (2024-02-24T12:31:22Z) - Knowledge-Enhanced Hierarchical Information Correlation Learning for
Multi-Modal Rumor Detection [82.94413676131545]
マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。
KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。
画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
論文 参考訳(メタデータ) (2023-06-28T06:08:20Z) - Multimodal Relation Extraction with Cross-Modal Retrieval and Synthesis [89.04041100520881]
本研究は,対象物,文,画像全体に基づいて,テキストおよび視覚的証拠を検索することを提案する。
我々は,オブジェクトレベル,画像レベル,文レベル情報を合成し,同一性と異なるモダリティ間の推論を改善する新しい手法を開発した。
論文 参考訳(メタデータ) (2023-05-25T15:26:13Z) - MIReAD: Simple Method for Learning High-quality Representations from
Scientific Documents [77.34726150561087]
論文の高品質な表現を学習する簡単な方法であるMIREADを提案する。
私たちは、2000以上のジャーナルクラスで50万以上のPubMedとarXivの抽象クラスでMIREADをトレーニングします。
論文 参考訳(メタデータ) (2023-05-07T03:29:55Z) - Scientific and Technological Information Oriented Semantics-adversarial
and Media-adversarial Cross-media Retrieval [22.014845385108863]
クロスメディア科学・技術情報検索は、クロスメディア研究における重要な課題の1つである。
本稿では,科学技術情報指向のセマンティックス・アドバイサル・メディア・クロスメディア検索手法(SMCR)を提案する。
SMCRは、メディア間のセマンティックな一貫性の喪失を最小化し、メディア間のセマンティックな識別をモデル化し、マッピング前後のセマンティックな類似性を維持する。
論文 参考訳(メタデータ) (2022-03-16T13:31:48Z) - Semantic Search for Large Scale Clinical Ontologies [63.71950996116403]
本稿では,大規模臨床語彙検索システムを構築するための深層学習手法を提案する。
本稿では,意味学習データに基づくトレーニングデータを生成するTriplet-BERTモデルを提案する。
このモデルは,5つの実ベンチマークデータセットを用いて評価され,提案手法は自由テキストから概念,概念まで,概念語彙の検索において高い結果が得られることを示す。
論文 参考訳(メタデータ) (2022-01-01T05:15:42Z) - Semantic maps and metrics for science Semantic maps and metrics for
science using deep transformer encoders [1.599072005190786]
ディープトランスフォーマーネットワークによる自然言語理解の最近の進歩は、マッピング科学に新たな可能性をもたらす。
トランスフォーマー埋め込みモデルは、異なる言語文脈で異なる関連と意味の陰を捉えます。
本稿では,これらのツールを用いて学術文書を符号化する手法について報告する。
論文 参考訳(メタデータ) (2021-04-13T04:12:20Z) - Named Entity Recognition for Social Media Texts with Semantic
Augmentation [70.44281443975554]
名前付きエンティティ認識のための既存のアプローチは、短いテキストと非公式テキストで実行される場合、データ空間の問題に悩まされる。
そこで我々は,NER によるソーシャルメディアテキストに対するニューラルベースアプローチを提案し,ローカルテキストと拡張セマンティクスの両方を考慮に入れた。
論文 参考訳(メタデータ) (2020-10-29T10:06:46Z) - Deep Learning Techniques for Future Intelligent Cross-Media Retrieval [58.20547387332133]
マルチメディア検索は、ビッグデータアプリケーションにおいて重要な役割を果たす。
マルチモーダルなディープラーニングアプローチが直面する課題に応じて,新しい分類法を提供する。
検索によく知られたクロスメディアデータセットを提示する。
論文 参考訳(メタデータ) (2020-07-21T09:49:33Z)
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。