Fugu-MT 論文翻訳(概要): A Bibliographic View on Constrained Clustering

論文の概要: A Bibliographic View on Constrained Clustering

arxiv url: http://arxiv.org/abs/2209.11125v1
Date: Thu, 22 Sep 2022 16:11:47 GMT
ステータス: 処理完了
システム内更新日: 2022-09-23 14:44:51.213347
Title: A Bibliographic View on Constrained Clustering
Title（参考訳）: 制約クラスタリングに関する文献的考察
Authors: Ludmila Kuncheva, Francis Williams, Samuel Hennessey
Abstract要約: 本稿では,制約付きクラスタリング領域とそのサブトピックの一般的な傾向について述べる。利用可能なソフトウェアをリストアップし、参照コレクションの実験的なセクションを分析します。私たちがレビューしたトピックの中で、アプリケーション研究は近年最も豊富でした。
参考スコア（独自算出の注目度）: 4.705291741591329
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A keyword search on constrained clustering on Web-of-Science returned just under 3,000 documents. We ran automatic analyses of those, and compiled our own bibliography of 183 papers which we analysed in more detail based on their topic and experimental study, if any. This paper presents general trends of the area and its sub-topics by Pareto analysis, using citation count and year of publication. We list available software and analyse the experimental sections of our reference collection. We found a notable lack of large comparison experiments. Among the topics we reviewed, applications studies were most abundant recently, alongside deep learning, active learning and ensemble learning.
Abstract（参考訳）: Web-of-Science上の制約付きクラスタリングに関するキーワード検索は、3000ドキュメント未満で返される。それらを自動的に分析し、183の論文の書誌を編集し、そのトピックと実験的な研究に基づいてより詳細に分析した。本稿では,パレート分析による地域とそのサブトピックの一般的な傾向を引用数と出版年を用いて示す。利用可能なソフトウェアをリストアップし、参照コレクションの実験セクションを分析する。大規模な比較実験の欠如が明らかとなった。私たちがレビューしたトピックの中で、ディープラーニング、アクティブラーニング、アンサンブル学習と並んで、アプリケーション研究が最も豊富だった。

関連論文リスト

An Instance-based Plus Ensemble Learning Method for Classification of Scientific Papers [2.0794749869068005]
本稿では,科学論文の分類に事例ベース学習とアンサンブル学習を併用した新しい手法を提案する。実験の結果,提案手法は論文を様々な研究領域に分類する上で効果的かつ効果的であることが示唆された。
論文参考訳（メタデータ） (2024-09-21T19:42:15Z)
Tag-Aware Document Representation for Research Paper Recommendation [68.8204255655161]
本稿では,ユーザによって割り当てられたソーシャルタグに基づいて,研究論文の深い意味表現を活用するハイブリッドアプローチを提案する。提案手法は,評価データが極めて少ない場合でも研究論文の推薦に有効である。
論文参考訳（メタデータ） (2022-09-08T09:13:07Z)
Revise and Resubmit: An Intertextual Model of Text-based Collaboration in Peer Review [52.359007622096684]
ピアレビューは、ほとんどの科学分野における出版プロセスの重要な要素である。既存のNLP研究は個々のテキストの分析に重点を置いている。編集補助は、しばしばテキストのペア間の相互作用をモデル化する必要がある。
論文参考訳（メタデータ） (2022-04-22T16:39:38Z)
COMPARE: A Taxonomy and Dataset of Comparison Discussions in Peer Reviews [9.838034994804124]
本稿では,実験深層学習分野における研究論文のピアレビューにおける比較議論のデータセットについて述べる。比較議論においてカテゴリ分類を構築し,これを分析するための詳細なアノテーションスキームを提示する。全体として、1,800文をカバーする117のレビューを注釈し、F1スコアの最大0.49を報告します。
論文参考訳（メタデータ） (2021-08-09T21:24:28Z)
Caveats for the use of Web of Science Core Collection in old literature retrieval and historical bibliometric analysis [0.43784114427842946]
フォッソ・ワンバの研究で実証されたデータは、1991年がAI研究の「水源」であったことを示唆している。この研究ノートは、データベースの制限の観点から、1991年の現象を解明しようと試みている。
論文参考訳（メタデータ） (2021-07-24T03:39:19Z)
Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
論文参考訳（メタデータ） (2021-06-15T20:55:55Z)
CSFCube -- A Test Collection of Computer Science Research Articles for Faceted Query by Example [43.01717754418893]
例によるフェーステッドクエリのタスクを紹介します。ユーザは、入力クエリドキュメントに加えて、より細かいアスペクトを指定することもできる。我々は,クエリ科学論文に類似した科学的論文を検索できるモデルを構想する。
論文参考訳（メタデータ） (2021-03-24T01:02:12Z)
What's New? Summarizing Contributions in Scientific Literature [85.95906677964815]
本稿では,論文のコントリビューションと作業状況について,個別の要約を生成するために,論文要約のアンタングル化という新たなタスクを導入する。本稿では,学術論文のS2ORCコーパスを拡張し,コントリビューション・コントリビューション・コントリビューション・レファレンス・ラベルを付加する。本稿では, 生成した出力の関連性, 新規性, 絡み合いを報告する総合的自動評価プロトコルを提案する。
論文参考訳（メタデータ） (2020-11-06T02:23:01Z)
Topic Space Trajectories: A case study on machine learning literature [0.0]
本稿では,研究トピックの包括的追跡を可能にする構造であるトピック空間トラジェクトリを提案する。我々は,32の出版会場から50年間の機械学習研究を対象とする出版コーパスへのアプローチの適用性を示した。本手法は,論文分類,今後の研究課題の予測,未発表の論文提出のための会議や雑誌の掲載を推奨するために利用することができる。
論文参考訳（メタデータ） (2020-10-23T10:53:42Z)
A Survey on Text Classification: From Shallow to Deep Learning [83.47804123133719]
過去10年は、ディープラーニングが前例のない成功を収めたために、この分野の研究が急増している。本稿では,1961年から2021年までの最先端のアプローチを見直し,そのギャップを埋める。特徴抽出と分類に使用されるテキストとモデルに基づいて,テキスト分類のための分類を作成する。
論文参考訳（メタデータ） (2020-08-02T00:09:03Z)
Deep Learning Based Text Classification: A Comprehensive Review [75.8403533775179]
本稿では,近年開発されたテキスト分類のための150以上のディープラーニングモデルについてレビューする。また、テキスト分類に広く使われている40以上の一般的なデータセットの要約も提供する。
論文参考訳（メタデータ） (2020-04-06T02:00:30Z)

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。