論文の概要: An Ensemble Learning Based Approach to Multi-label Power Text Classification for Fault-type Recognition

• arxiv url: http://arxiv.org/abs/2204.06179v1
• Date: Wed, 13 Apr 2022 05:53:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-14 13:03:21.945285
• Title: An Ensemble Learning Based Approach to Multi-label Power Text Classification for Fault-type Recognition
• Title（参考訳）: マルチラベルパワーテキスト分類による誤り型認識のためのアンサンブル学習
• Authors: Chen Xiaona, Ahmad Tanvir, Ma Yinglong
• Abstract要約: BR-GBDTと呼ばれるマルチラベル故障テキスト分類アンサンブル手法を提案する。 ICT CS システムに格納された過去のフォールトテキストデータからトレーニングセットを構築するための自動アプローチを提案する。 本手法は, BR+LR と ML-KNN による故障テキスト分類において, よく知られたアンサンブル学習法よりも優れている。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: With the rapid development of ICT Custom Services (ICT CS) in power industries, the deployed power ICT CS systems mainly rely on the experience of customer service staff for fault type recognition, questioning, and answering, which makes it difficult and inefficient to precisely resolve the problems issued by users. To resolve this problem, in this paper, firstly, a multi-label fault text classification ensemble approach called BR-GBDT is proposed by combining Binary Relevance and Gradient Boosting Decision Tree for assisted fault type diagnosis and improving the accuracy of fault type recognition. Second, for the problem that there is lack of the training set for power ICT multi-label text classification, an automatic approach is presented to construct the training set from the historical fault text data stored in power ICT CS systems. The extensive experiments were made based on the power ICT CS training set and some general-purpose benchmark training datasets. The experiment results show that our approach outperforms the well known ensemble learning based approaches BR+LR and ML-KNN for fault text classification, efficiently handling the multi-label classification of ICT custom service text data for fault type recognition.
• Abstract（参考訳）: 電力産業におけるICT Custom Services(ICT CS)の急速な発展に伴い、ICT CSシステムは、主にフォールトタイプ認識、質問、回答のためのカスタマーサービススタッフの経験に依存しており、ユーザの発行した問題を正確に解決することが困難で効率が悪い。 この問題を解決するため,本論文では,2値関係と勾配強調決定木を組み合わせたbr-gbdtと呼ばれる複数ラベルの誤りテキスト分類手法を提案し,誤りタイプ診断を支援するとともに,故障タイプ認識の精度を向上させる。 第2に、パワーICT多ラベルテキスト分類のためのトレーニングセットがないという問題に対して、パワーICTCSシステムに格納された過去のフォールトテキストデータからトレーニングセットを構築するための自動アプローチを提案する。 広範な実験はpower ict csトレーニングセットといくつかの汎用ベンチマークトレーニングデータセットに基づいて行われた。 実験の結果,本手法は,欠陥テキスト分類におけるBR+LRとML-KNNのアンサンブル学習手法よりも優れており,ICTカスタムサービステキストデータのマルチラベル分類処理を効率的に行うことができることがわかった。

関連論文リスト

• Automated Knowledge Concept Annotation and Question Representation Learning for Knowledge Tracing [59.480951050911436]
  自動知識概念アノテーションと質問表現学習のためのフレームワークであるKCQRLを提案する。 実世界の2つの学習データセット上で、15KTアルゴリズムにまたがるKCQRLの有効性を実証する。
  論文  参考訳（メタデータ） (2024-10-02T16:37:19Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Communication Efficient and Provable Federated Unlearning [43.178460522012934]
  我々は、フェデレーション・アンラーニング(フェデレーション・アンラーニング)という、特定のクライアントやデータポイントが、フェデレーション・ラーニング(FL)を通じて学習したグローバルモデルに与える影響をなくすための新しい問題について研究する。 この問題は、忘れられる権利とFLのプライバシー問題によって引き起こされる。 我々は,テキストコミュニケーション効率とテキストテキサクト・アンラーニング性という2つの重要な基準を満たす,正確な非ラーニングのための新しいフレームワークを導入する。
  論文  参考訳（メタデータ） (2024-01-19T20:35:02Z)
• Noise Contrastive Estimation-based Matching Framework for Low-Resource Security Attack Pattern Recognition [49.536368818512116]
  TTP(Tactics, Techniques and Procedures)は、サイバーセキュリティドメインにおける高度な攻撃パターンを表す。 そこで本研究では,TTPラベルへのテキストの割り当てが,両者の直接的な意味的類似性によって決定される,異なる学習パラダイムの問題を定式化する。 本稿では,効果的なサンプリングベース学習機構を備えたニューラルマッチングアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2024-01-18T19:02:00Z)
• Exploring Machine Learning and Transformer-based Approaches for Deceptive Text Classification: A Comparative Analysis [0.0]
  本研究では,機械学習とトランスフォーマーに基づくテキスト分類手法の比較分析を行った。 本稿では,従来の機械学習アルゴリズムと,BERT, XLNET, DistilBERT, RoBERTaなどの最先端トランスフォーマモデルの有効性について検討する。 本研究の結果は, 機械学習の強みと限界に光を当て, 認識テキスト分類のためのトランスフォーマーに基づく手法について検討した。
  論文  参考訳（メタデータ） (2023-08-10T10:07:00Z)
• Learning Prompt-Enhanced Context Features for Weakly-Supervised Video Anomaly Detection [37.99031842449251]
  弱い監督下での映像異常検出は重大な課題を呈する。 本稿では,効率的なコンテキストモデリングとセマンティック識別性の向上に焦点をあてた,弱教師付き異常検出フレームワークを提案する。 提案手法は,特定の異常なサブクラスの検出精度を大幅に向上させ,その実用的価値と有効性を裏付けるものである。
  論文  参考訳（メタデータ） (2023-06-26T06:45:16Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• Cognitive Semantic Communication Systems Driven by Knowledge Graph: Principle, Implementation, and Performance Evaluation [74.38561925376996]
  単一ユーザと複数ユーザのコミュニケーションシナリオに対して,認知意味コミュニケーションフレームワークが2つ提案されている。 知識グラフから推論規則をマイニングすることにより,効果的な意味補正アルゴリズムを提案する。 マルチユーザ認知型セマンティックコミュニケーションシステムにおいて,異なるユーザのメッセージを識別するために,メッセージ復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T12:01:43Z)
• Confidence-Aware Subject-to-Subject Transfer Learning for Brain-Computer Interface [3.2550305883611244]
  脳波(EEG)のイントラオブジェクト間変動は脳-コンピュータインターフェース(BCI)の実用化を困難にしている。 TLトレーニングのための高信頼度対象のみを用いたBCIフレームワークを提案する。 本フレームワークでは,低損失トリックに基づく協調学習アルゴリズムを用いて,TLプロセスの有用な対象を選択し,ノイズのある対象を除外する。
  論文  参考訳（メタデータ） (2021-12-15T15:23:23Z)
• CosSGD: Nonlinear Quantization for Communication-efficient Federated Learning [62.65937719264881]
  フェデレーション学習は、これらのクライアントのローカルデータを中央サーバに転送することなく、クライアント間での学習を促進する。 圧縮勾配降下のための非線形量子化を提案し、フェデレーションラーニングで容易に利用することができる。 本システムは,訓練過程の収束と精度を維持しつつ,通信コストを最大3桁まで削減する。
  論文  参考訳（メタデータ） (2020-12-15T12:20:28Z)

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。