Fugu-MT 論文翻訳(概要): SemEval-2022 Task 8: Multi-lingual News Article Similarity

論文の概要: SemEval-2022 Task 8: Multi-lingual News Article Similarity

arxiv url: http://arxiv.org/abs/2208.09715v1
Date: Sat, 20 Aug 2022 16:06:53 GMT
ステータス: 処理完了
システム内更新日: 2022-08-23 12:17:29.722073
Title: SemEval-2022 Task 8: Multi-lingual News Article Similarity
Title（参考訳）: SemEval-2022 Task 8: Multi-lingual News Article similarity
Authors: Nikhil Goel and Ranjith Reddy
Abstract要約: この研究は、一対のニュース記事の類似性を見つけることを目的としている。データセットには7つの異なる目的的類似度指標があり、ニュース記事は複数の異なる言語で提供されている。事前学習した埋め込みモデルに基づいて,ベースライン結果のコサイン類似性を計算し,その上でフィードフォワードニューラルネットワークをトレーニングし,結果を改善する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This work is about finding the similarity between a pair of news articles. There are seven different objective similarity metrics provided in the dataset for each pair and the news articles are in multiple different languages. On top of the pre-trained embedding model, we calculated cosine similarity for baseline results and feed-forward neural network was then trained on top of it to improve the results. We also built separate pipelines for each similarity metric for feature extraction. We could see significant improvement from baseline results using feature extraction and feed-forward neural network.
Abstract（参考訳）: この研究は、一対のニュース記事の類似性を見つけることである。データセットには7つの異なる目的的類似度指標があり、ニュース記事は複数の言語で提供されている。学習済みの埋め込みモデルに加えて,ベースライン結果に対するコサイン類似度を算出し,その上にフィードフォワードニューラルネットワークをトレーニングし,結果の改善を行った。また、機能抽出のための類似度メトリック毎に、別々にパイプラインを構築しました。特徴抽出とフィードフォワードニューラルネットワークによるベースライン結果の大幅な改善が期待できる。

関連論文リスト

Going Beyond Neural Network Feature Similarity: The Network Feature Complexity and Its Interpretation Using Category Theory [64.06519549649495]
機能的に等価な機能と呼ぶものの定義を提供します。これらの特徴は特定の変換の下で等価な出力を生成する。反復的特徴マージ(Iterative Feature Merging)というアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-10T16:27:12Z)
Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。我々のモデルは、$N$言語で並列データを操作する。本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
論文参考訳（メタデータ） (2022-12-21T02:41:40Z)
BatchFormer: Learning to Explore Sample Relationships for Robust Representation Learning [93.38239238988719]
本稿では,各ミニバッチからサンプル関係を学習可能なディープニューラルネットワークを提案する。 BatchFormerは各ミニバッチのバッチ次元に適用され、トレーニング中のサンプル関係を暗黙的に探索する。我々は10以上のデータセットに対して広範な実験を行い、提案手法は異なるデータ不足アプリケーションにおいて大幅な改善を実現する。
論文参考訳（メタデータ） (2022-03-03T05:31:33Z)
Deep ensembles in bioimage segmentation [74.01883650587321]
本研究では,畳み込みニューラルネットワーク(CNN)のアンサンブルを提案する。アンサンブル法では、多くの異なるモデルが訓練され、分類に使用され、アンサンブルは単一分類器の出力を集約する。提案するアンサンブルは,DeepLabV3+とHarDNet環境を用いて,異なるバックボーンネットワークを組み合わせることで実現されている。
論文参考訳（メタデータ） (2021-12-24T05:54:21Z)
Similarity and Matching of Neural Network Representations [0.0]
我々は、深層ニューラルネットワークにおける表現の類似性を分析するために、Frankenstein博士と呼ばれるツールセットを使用します。我々は、2つのトレーニングニューラルネットワークの与えられた層上でのアクティベーションを、縫合層で結合することで一致させることを目指している。
論文参考訳（メタデータ） (2021-10-27T17:59:46Z)
Hierarchical Similarity Learning for Language-based Product Image Retrieval [40.83290730640458]
本稿では,クロスモーダル類似度測定に着目し,新しい階層的類似度学習ネットワークを提案する。大規模製品検索データセットの実験により,提案手法の有効性を実証した。
論文参考訳（メタデータ） (2021-02-18T14:23:16Z)
Input Similarity from the Neural Network Perspective [7.799648230758492]
ノイズの多いラベルを持つデータセットでトレーニングされたニューラルネットワークは、ほぼ完璧な精度に達する。サンプル密度を推定するために類似度の測定方法を示す。また、類似した例をネットワークによっても類似とみなすよう提案する。
論文参考訳（メタデータ） (2021-02-10T04:57:30Z)
Learning to Match Jobs with Resumes from Sparse Interaction Data using Multi-View Co-Teaching Network [83.64416937454801]
ジョブ列のインタラクションデータは疎結合でノイズが多く、ジョブ列のマッチングアルゴリズムのパフォーマンスに影響する。求人情報マッチングのための疎相互作用データから,新しいマルチビュー協調学習ネットワークを提案する。我々のモデルは求人マッチングの最先端手法より優れている。
論文参考訳（メタデータ） (2020-09-25T03:09:54Z)
Logic Constrained Pointer Networks for Interpretable Textual Similarity [11.142649867439406]
本稿では, セシネルゲーティング機能を備えた新しいポインターネットワークモデルを導入し, 構成チャンクを整列させる。両文の相違を等しく補償し、アライメントが双方向であることを保証するために、損失関数によるこのベースモデルを改善する。このモデルは、チャンクアライメントタスクのためのベンチマークSemEvalデータセットにおいて、97.73と96.32のF1スコアを達成する。
論文参考訳（メタデータ） (2020-07-15T13:01:44Z)
Combining word embeddings and convolutional neural networks to detect duplicated questions [0.0]
本稿では,単語埋め込みと畳み込みニューラルネットワークの強みを組み合わせることで,意味論的に類似した質問を識別する簡単な手法を提案する。私たちのネットワークは、400万以上の質問ペアを含むQuoraデータセットでトレーニングされています。
論文参考訳（メタデータ） (2020-06-08T12:30:25Z)
Parameter Space Factorization for Zero-Shot Learning across Tasks and Languages [112.65994041398481]
本稿では,ニューラルパラメータの空間に対するベイズ生成モデルを提案する。タスク言語の組み合わせから得られたデータに基づいて、そのような潜伏変数よりも後部を推測する。我々のモデルは、最先端のゼロショットの言語間転送手法よりも、同等か良い結果が得られる。
論文参考訳（メタデータ） (2020-01-30T16:58:56Z)

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。