論文の概要: HyperBox: A Supervised Approach for Hypernym Discovery using Box Embeddings

• arxiv url: http://arxiv.org/abs/2204.02058v1
• Date: Tue, 5 Apr 2022 08:46:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-06 13:08:16.712021
• Title: HyperBox: A Supervised Approach for Hypernym Discovery using Box Embeddings
• Title（参考訳）: hyperbox:box embeddedsを用いたハイパーnym発見のための教師付きアプローチ
• Authors: Maulik Parmar, Dr. Apurva Narayan
• Abstract要約: ハイパニム発見のためのボックス埋め込みを学習するための新しいモデルHyperBoxを提案する。 入力項が与えられたら、HyperBoxはターゲットコーパスから適切なハイパーネムを取得する。 評価基準の大部分が既存の手法よりも優れていることを示す。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Hypernymy plays a fundamental role in many AI tasks like taxonomy learning, ontology learning, etc. This has motivated the development of many automatic identification methods for extracting this relation, most of which rely on word distribution. We present a novel model HyperBox to learn box embeddings for hypernym discovery. Given an input term, HyperBox retrieves its suitable hypernym from a target corpus. For this task, we use the dataset published for SemEval 2018 Shared Task on Hypernym Discovery. We compare the performance of our model on two specific domains of knowledge: medical and music. Experimentally, we show that our model outperforms existing methods on the majority of the evaluation metrics. Moreover, our model generalize well over unseen hypernymy pairs using only a small set of training data.
• Abstract（参考訳）: hypernymyは、分類学学習、オントロジー学習など、多くのaiタスクで基本的な役割を果たす。 これにより、この関係を抽出する多くの自動識別手法が開発され、そのほとんどは単語分布に依存している。 ハイパニム発見のためのボックス埋め込みを学習するための新しいモデルHyperBoxを提案する。 入力項が与えられたHyperBoxは、ターゲットコーパスから適切なハイパーネムを取得する。 このタスクでは、SemEval 2018 Shared Task on Hypernym Discoveryで公開されたデータセットを使用します。 医療と音楽という2つの特定の知識領域におけるモデルの性能を比較した。 実験では,提案手法が評価基準の大部分で既存手法よりも優れていることを示す。 さらに,このモデルでは,訓練データのみを用いて,未発見のハイパーニミーペアをうまく一般化する。

関連論文リスト

• Deciphering Movement: Unified Trajectory Generation Model for Multi-Agent [53.637837706712794]
  任意の軌道をマスク入力として処理する統一軌道生成モデルUniTrajを提案する。 具体的には,空間特徴抽出のためのトランスフォーマーエンコーダ内に埋め込まれたゴースト空間マスキング(GSM)モジュールを導入する。 バスケットボール-U,サッカー-U,サッカー-Uの3つの実用的なスポーツゲームデータセットをベンチマークして評価を行った。
  論文  参考訳（メタデータ） (2024-05-27T22:15:23Z)
• Distributional Inclusion Hypothesis and Quantifications: Probing for Hypernymy in Functional Distributional Semantics [50.363809539842386]
  関数分布意味論(FDS)は、真理条件関数による単語の意味をモデル化する。 FDSモデルは分布包含仮説(DIH)に厳格に従う制限されたコーパスのクラスでハイパーネミーを学ぶことを示す。
  論文  参考訳（メタデータ） (2023-09-15T11:28:52Z)
• Efficient Adaptive Human-Object Interaction Detection with Concept-guided Memory [64.11870454160614]
  概念誘導メモリ(ADA-CM)を用いた適応型HOI検出器を提案する。 ADA-CMには2つの操作モードがある。最初のモードでは、トレーニング不要のパラダイムで新しいパラメータを学習することなくチューニングできる。 提案手法は, HICO-DET と V-COCO のデータセットに対して, より少ないトレーニング時間で, 最新技術による競合的な結果を得る。
  論文  参考訳（メタデータ） (2023-09-07T13:10:06Z)
• Hypernymization of named entity-rich captions for grounding-based multi-modal pretraining [36.75629570208193]
  本稿では,複数モーダルモデルの事前学習のための名前付きエンティティを扱う方法として,ハイパニミゼーションについて検討する。 ハイパニミゼーション後の対象物に対する事前学習性能の改善を報告した。 オープンボキャブラリ検出におけるハイパーネーミングの可能性を,特にトレーニング中に見られないクラスで示す。
  論文  参考訳（メタデータ） (2023-04-25T20:17:40Z)
• You Only Train Once: Learning a General Anomaly Enhancement Network with Random Masks for Hyperspectral Anomaly Detection [31.984085248224574]
  ハイパースペクトル異常検出(AD)における一般化の課題に対処する新しいアプローチを提案する。 提案手法は,既存の手法で必要となるパラメータの調整や新しいテストシーンの再学習を不要とする。 本手法は,異なるセンサ装置によってトレーニングセットとテストセットがキャプチャされると,競争性能が向上する。
  論文  参考訳（メタデータ） (2023-03-31T12:23:56Z)
• Few-shot Classification with Hypersphere Modeling of Prototypes [45.211350826691856]
  メトリックベースのメタ学習は、数ショット学習におけるデファクトスタンダードの1つである。 我々はテンソル場(areas')を用いて幾何学的観点からクラスをモデル化し、数ショットの学習を行う。 ハイパースフィアプロトタイプ(HyperProto)と呼ばれるシンプルで効果的な方法を提案する。
  論文  参考訳（メタデータ） (2022-11-10T03:46:02Z)
• HyperImpute: Generalized Iterative Imputation with Automatic Model Selection [77.86861638371926]
  カラムワイズモデルを適応的かつ自動的に構成するための一般化反復計算フレームワークを提案する。 既製の学習者,シミュレータ,インターフェースを備えた具体的な実装を提供する。
  論文  参考訳（メタデータ） (2022-06-15T19:10:35Z)
• HRKD: Hierarchical Relational Knowledge Distillation for Cross-domain Language Model Compression [53.90578309960526]
  大規模事前学習言語モデル(PLM)は、従来のニューラルネットワーク手法と比較して圧倒的な性能を示している。 階層的および領域的関係情報の両方を抽出する階層的関係知識蒸留法(HRKD)を提案する。
  論文  参考訳（メタデータ） (2021-10-16T11:23:02Z)
• ALT-MAS: A Data-Efficient Framework for Active Testing of Machine Learning Algorithms [58.684954492439424]
  少量のラベル付きテストデータのみを用いて機械学習モデルを効率的にテストする新しいフレームワークを提案する。 ベイズニューラルネットワーク(bnn)を用いたモデルアンダーテストの関心指標の推定が目的である。
  論文  参考訳（メタデータ） (2021-04-11T12:14:04Z)

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。