Fugu-MT 論文翻訳(概要): Probabilistic Embeddings with Laplacian Graph Priors

論文の概要: Probabilistic Embeddings with Laplacian Graph Priors

arxiv url: http://arxiv.org/abs/2204.01846v1
Date: Fri, 25 Mar 2022 13:33:51 GMT
ステータス: 処理完了
システム内更新日: 2022-04-10 12:29:03.549087
Title: Probabilistic Embeddings with Laplacian Graph Priors
Title（参考訳）: Laplacian Graph Priorsを用いた確率的埋め込み
Authors: V\"ain\"o Yrj\"an\"ainen and M{\aa}ns Magnusson
Abstract要約: 本モデルでは, 従来提案されていた埋め込み手法を1つの傘の下に統一する。実験により,本モデルが過去のモデルの性能と特殊ケースとを一致させることを示す。異なる設定でフレキシブルな見積もりを可能にする実装としてコードを提供します。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We introduce probabilistic embeddings using Laplacian priors (PELP). The proposed model enables incorporating graph side-information into static word embeddings. We theoretically show that the model unifies several previously proposed embedding methods under one umbrella. PELP generalises graph-enhanced, group, dynamic, and cross-lingual static word embeddings. PELP also enables any combination of these previous models in a straightforward fashion. Furthermore, we empirically show that our model matches the performance of previous models as special cases. In addition, we demonstrate its flexibility by applying it to the comparison of political sociolects over time. Finally, we provide code as a TensorFlow implementation enabling flexible estimation in different settings.
Abstract（参考訳）: 我々は,laplacian priors (pelp) を用いた確率的埋め込みを導入する。提案モデルでは,静的単語埋め込みにグラフ側情報を組み込むことができる。理論的には、このモデルが1つの傘の下に既に提案されていた埋め込み手法を統一することを示します。 PELPはグラフ強化、グループ、動的、言語間静的単語埋め込みを一般化する。 PELPはまた、これらの以前のモデルの組み合わせを簡単に行うことができる。さらに,本モデルが過去のモデルの性能と特殊ケースとを一致させることを実証的に示す。さらに,政治社会学の比較に時間をかけて適用することで,その柔軟性を実証する。最後に、異なる設定で柔軟な推定を可能にするTensorFlow実装としてコードを提供します。

関連論文リスト

Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data [49.77103348208835]
グラフの有限集合がラプラシアンの重み付き和を通してデータ分布の関係を特徴付けるグラフ辞書信号モデルを定義する。本稿では,観測データからグラフ辞書表現を推論するフレームワークを提案する。我々は,脳活動データに基づく運動画像復号作業におけるグラフ辞書表現を利用して,従来の手法よりも想像的な動きをよりよく分類する。
論文参考訳（メタデータ） (2024-11-08T17:40:43Z)
Hierarchical mixtures of Unigram models for short text clustering: the role of Beta-Liouville priors [1.03590082373586]
本稿では,短いテキストデータの教師なし分類に適した多項混合モデルの変種について述べる。我々は、ディリクレよりもフレキシブルな相関構造を提供する別の先入観(β-Liouville分布)を探求する。
論文参考訳（メタデータ） (2024-10-29T08:56:29Z)
Hierarchical Blockmodelling for Knowledge Graphs [0.5530212768657544]
知識グラフ上の階層的なエンティティクラスタリングのためにブロックモデルを使用します。 Nested Chinese Restaurant ProcessとStick Breaking Processを生成モデルに統合することで、階層的なクラスタリングの誘導が可能になる。我々は、合成および実世界のデータセット上でモデルを評価し、ベンチマークモデルと定量的に比較した。
論文参考訳（メタデータ） (2024-08-28T09:04:15Z)
Meaning Representations from Trajectories in Autoregressive Models [106.63181745054571]
入力テキストを拡張可能なすべてのトラジェクトリの分布を考慮し,自己回帰言語モデルから意味表現を抽出する。この戦略はプロンプトフリーであり、微調整は必要とせず、事前訓練された自己回帰モデルにも適用できる。我々は,大規模なモデルから得られた表現が人間のアノテーションとよく一致し,意味的類似性タスクにおける他のゼロショットおよびプロンプトフリーメソッドよりも優れており,標準埋め込みが扱えないより複雑なエンタテインメントや包含タスクの解決に使用できることを実証的に示す。
論文参考訳（メタデータ） (2023-10-23T04:35:58Z)
Word Embedding with Neural Probabilistic Prior [24.893999575628452]
本稿では,単語埋め込みモデルとシームレスに統合可能な確率的先行モデルを提案する。提案した構造は単純で効果的であり、容易に実装でき、柔軟に接続できる。
論文参考訳（メタデータ） (2023-09-21T06:54:32Z)
Beyond Conjugacy for Chain Event Graph Model Selection [0.0]
連鎖イベントグラフはベイズネットワークを一般化する確率的グラフィカルモデルのファミリーである。共役性に依存しない連鎖イベントグラフにおけるモデル選択に対する混合モデリング手法を提案する。
論文参考訳（メタデータ） (2022-11-07T10:33:01Z)
Ordinal Graph Gamma Belief Network for Social Recommender Systems [54.9487910312535]
我々は,階層型ベイズモデルであるオーディナルグラフファクター解析(OGFA)を開発し,ユーザ・イテムとユーザ・ユーザインタラクションを共同でモデル化する。 OGFAは、優れたレコメンデーションパフォーマンスを達成するだけでなく、代表ユーザの好みに応じた解釈可能な潜在因子も抽出する。我々はOGFAを,マルチ確率層深層確率モデルであるオーディナルグラフガンマ信念ネットワークに拡張する。
論文参考訳（メタデータ） (2022-09-12T09:19:22Z)
A Graph-Enhanced Click Model for Web Search [67.27218481132185]
ウェブ検索のための新しいグラフ強調クリックモデル(GraphCM)を提案する。セッション内情報とセッション間情報の両方を、スパーシリティ問題とコールドスタート問題に活用する。
論文参考訳（メタデータ） (2022-06-17T08:32:43Z)
Combining Diverse Feature Priors [90.74601233745047]
多様な機能事前セットでトレーニングされたモデルには、重複する障害モードが少なくなることを示す。また、追加(ラベルなし)データでそのようなモデルを共同でトレーニングすることで、互いのミスを修正できることも示しています。
論文参考訳（メタデータ） (2021-10-15T17:31:10Z)
PSD Representations for Effective Probability Models [117.35298398434628]
最近提案された非負関数に対する正半定値(PSD)モデルがこの目的に特に適していることを示す。我々はPSDモデルの近似と一般化能力の両方を特徴付け、それらが強い理論的保証を享受していることを示す。本研究では,PSDモデルの密度推定,決定理論,推論への応用への道を開く。
論文参考訳（メタデータ） (2021-06-30T15:13:39Z)
Bayesian hierarchical stacking [10.371079239965836]
モデル予測性能が入力に不均一である場合,スタック化が最も有効であることを示す。入力変動が部分的にプールされたモデル重み付けにより、階層的積み重ねは平均および条件付き予測を改善する。
論文参考訳（メタデータ） (2021-01-22T05:19:49Z)

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。