論文の概要: Early Discovery of Disappearing Entities in Microblogs

• arxiv url: http://arxiv.org/abs/2210.07404v1
• Date: Thu, 13 Oct 2022 22:52:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 16:15:58.305152
• Title: Early Discovery of Disappearing Entities in Microblogs
• Title（参考訳）: マイクロブログにおける消滅する実体の早期発見
• Authors: Satoshi Akasaki, Naoki Yoshinaga, Masashi Toyoda
• Abstract要約: 我々は、現実世界の変化、特にイベント、レストラン、サービスといった非永続的な実体の出現と消失に反応して意思決定を行う。 我々は,様々なエンティティを記載したマイクロブログから消失するエンティティをタイムリーに検出するタスクに取り組む。
• 参考スコア（独自算出の注目度）: 17.151120203881483
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We make decisions by reacting to changes in the real world, in particular, the emergence and disappearance of impermanent entities such as events, restaurants, and services. Because we want to avoid missing out on opportunities or making fruitless actions after they have disappeared, it is important to know when entities disappear as early as possible. We thus tackle the task of detecting disappearing entities from microblogs, whose posts mention various entities, in a timely manner. The major challenge is detecting uncertain contexts of disappearing entities from noisy microblog posts. To collect these disappearing contexts, we design time-sensitive distant supervision, which utilizes entities from the knowledge base and time-series posts, for this task to build large-scale Twitter datasets\footnote{We will release the datasets (tweet IDs) used in the experiments to promote reproducibility.} for English and Japanese. To ensure robust detection in noisy environments, we refine pretrained word embeddings of the detection model on microblog streams of the target day. Experimental results on the Twitter datasets confirmed the effectiveness of the collected labeled data and refined word embeddings; more than 70\% of the detected disappearing entities in Wikipedia are discovered earlier than the update on Wikipedia, and the average lead-time is over one month.
• Abstract（参考訳）: 我々は、現実世界の変化、特にイベント、レストラン、サービスといった非永続的な実体の出現と消失に反応して意思決定を行う。 機会の欠落や失業後の実りのない行動は避けたいため、できるだけ早く実体が消えるかどうかを知ることが重要である。 そこで我々は,様々なエンティティに言及するマイクロブログから,消失するエンティティをタイムリーに検出する作業に取り組んだ。 主な課題は、ノイズの多いマイクロブログ投稿から消滅するエンティティの不確定なコンテキストを検出することである。 これらの消失するコンテキストを収集するために、私たちは、知識ベースと時系列投稿のエンティティを利用して、大規模なTwitterデータセットを構築するために、時間に敏感な遠隔監視を設計します。 英語と日本語。 雑音環境においてロバストな検出を実現するため,対象日のマイクロブログストリームにおける検出モデルの事前学習された単語埋め込みを洗練する。 Twitterデータセットの実験結果は、収集されたラベル付きデータと洗練された単語埋め込みの有効性を確認し、Wikipediaで検出された消滅したエンティティの70%以上がWikipediaのアップデートよりも早く発見され、平均リードタイムは1ヶ月以上である。

関連論文リスト

• Visible and Clear: Finding Tiny Objects in Difference Map [50.54061010335082]
  本稿では,検出モデルに自己再構成機構を導入し,それと微小物体との強い相関関係を明らかにする。 具体的には、再構成画像と入力の差分マップを構築して、検出器の首の内側に再構成ヘッドを配置し、小さな物体に対して高い感度を示す。 さらに、小さな特徴表現をより明確にするために、差分マップガイド機能拡張(DGFE)モジュールを開発する。
  論文  参考訳（メタデータ） (2024-05-18T12:22:26Z)
• Towards End-to-End Unsupervised Saliency Detection with Self-Supervised Top-Down Context [25.85453873366275]
  トップダウンコンテキストを介し、自己教師付きエンドツーエンドの有能なオブジェクト検出フレームワークを提案する。 最も深い特徴から自己ローカライゼーションを生かして位置マップを構築し,最も指導的なセグメンテーション指導を学習する。 提案手法は,近年のエンド・ツー・エンド手法と,多段階ソリューションの大部分において,先行的な性能を実現する。
  論文  参考訳（メタデータ） (2023-10-14T08:43:22Z)
• Object-Centric Multiple Object Tracking [124.30650395969126]
  本稿では,多目的追跡パイプラインのためのビデオオブジェクト中心モデルを提案する。 オブジェクト中心のスロットを検出出力に適応するインデックスマージモジュールと、オブジェクトメモリモジュールで構成される。 オブジェクト中心学習に特化して、オブジェクトのローカライゼーションと機能バインディングのためのスパース検出ラベルしか必要としない。
  論文  参考訳（メタデータ） (2023-09-01T03:34:12Z)
• 4D Unsupervised Object Discovery [53.561750858325915]
  本研究では,3次元点雲と2次元RGB画像の時間的情報を用いた4次元データからオブジェクトを共同で検出する4次元非教師対象探索を提案する。 本稿では,2次元ローカライゼーションネットワークで協調的に最適化された3次元点雲上にClusterNetを提案することで,この課題に対する最初の実践的アプローチを提案する。
  論文  参考訳（メタデータ） (2022-10-10T16:05:53Z)
• Video Action Detection: Analysing Limitations and Challenges [70.01260415234127]
  ビデオ行動検出における既存のデータセットを分析し,その限界について議論する。 静的画像から映像を区別する重要な特性である時間的側面を解析するバイアスネススタディを実行する。 このような極端な実験は、注意深いモデリングを必要とする既存の手法に忍び込んだバイアスの存在を示している。
  論文  参考訳（メタデータ） (2022-04-17T00:42:14Z)
• Boosting Entity Mention Detection for Targetted Twitter Streams with Global Contextual Embeddings [7.337247167823921]
  マイクロブログにおける情報の自動抽出と解析に関連する2つの重要なタスクは、エンティティ・メンション・インテクション(EMD)とエンティティ・インテクション(ED)である。 最先端システムは、オフラインの静的データセットに基づいてトレーニングすることで、マイクロブログテキストの非文学的な性質をモデル化することを目的としている。 しかし、マイクロブログストリームの絶え間なく進化している性質を考えると、このような変化する限られたコンテキストからすべてのエンティティが言及されていることを検知することは難しい問題である。 我々はマイクロブログストリーム上での学習者実行に適したGlobalizerというフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-01-28T01:44:05Z)
• Combining exogenous and endogenous signals with a semi-supervised co-attention network for early detection of COVID-19 fake tweets [14.771202995527315]
  新型コロナウイルス(COVID-19)の間、誤報のあるツイートは早期に警告され、中立化され、被害を軽減する必要がある。 偽ニュースを早期に検出する既存の方法のほとんどは、大きなラベル付きツイートに十分な伝搬情報を持っていると仮定している。 我々は、ツイートに関連する内因性および内因性信号を活用する新しい早期検出モデルENDEMICを提案する。
  論文  参考訳（メタデータ） (2021-04-12T10:01:44Z)
• Detecting Invisible People [58.49425715635312]
  我々は,追跡ベンチマークを再利用し,目立たない物体を検出するための新しい指標を提案する。 私たちは、現在の検出および追跡システムがこのタスクで劇的に悪化することを実証します。 第2に,最先端の単眼深度推定ネットワークによる観測結果を用いて,3次元で明示的に推論する動的モデルを構築した。
  論文  参考訳（メタデータ） (2020-12-15T16:54:45Z)
• Effect of Annotation Errors on Drone Detection with YOLOv3 [14.519138724931446]
  本研究では,物体検出問題に対する異なる種類のアノテーション誤差をシミュレートし,一般的な最先端物体検出装置であるYOLOv3の性能について検討する。 CVPR-2020 Anti-UAV Challengeデータセットにおける必然的アノテーションエラーについても,この方法で検討した。
  論文  参考訳（メタデータ） (2020-04-02T15:06:14Z)
• Weakly-Supervised Salient Object Detection via Scribble Annotations [54.40518383782725]
  本稿では,スクリブルラベルからサリエンシを学習するための弱教師付きサリエント物体検出モデルを提案する。 そこで本研究では,予測されたサリエンシマップの構造アライメントを測定するために,新しい尺度であるサリエンシ構造尺度を提案する。 我々の手法は、既存の弱教師付き/非教師付き手法よりも優れているだけでなく、いくつかの完全教師付き最先端モデルと同等である。
  論文  参考訳（メタデータ） (2020-03-17T12:59:50Z)

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。