論文の概要: PeerDA: Data Augmentation via Modeling Peer Relation for Span Identification Tasks

• arxiv url: http://arxiv.org/abs/2210.08855v2
• Date: Thu, 18 May 2023 12:11:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-19 20:41:07.965486
• Title: PeerDA: Data Augmentation via Modeling Peer Relation for Span Identification Tasks
• Title（参考訳）: PeerDA:スパン識別タスクにおけるピア関係のモデル化によるデータ拡張
• Authors: Weiwen Xu, Xin Li, Yang Deng, Wai Lam, Lidong Bing
• Abstract要約: Span Identificationは、テキスト入力から特定のテキストスパンを識別し、それらを事前に定義されたカテゴリに分類することを目的としている。 本論文は,2つのスパンが同一カテゴリのインスタンスであり,類似した特徴を持つことを示す,ピア(PR)関係を初めて探求する。 PR関係のスパンペアをトレーニング用拡張データとして用いるピアデータ拡張(PeerDA)手法が提案されている。
• 参考スコア（独自算出の注目度）: 57.46637295677326
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Span identification aims at identifying specific text spans from text input and classifying them into pre-defined categories. Different from previous works that merely leverage the Subordinate (SUB) relation (i.e. if a span is an instance of a certain category) to train models, this paper for the first time explores the Peer (PR) relation, which indicates that two spans are instances of the same category and share similar features. Specifically, a novel Peer Data Augmentation (PeerDA) approach is proposed which employs span pairs with the PR relation as the augmentation data for training. PeerDA has two unique advantages: (1) There are a large number of PR span pairs for augmenting the training data. (2) The augmented data can prevent the trained model from over-fitting the superficial span-category mapping by pushing the model to leverage the span semantics. Experimental results on ten datasets over four diverse tasks across seven domains demonstrate the effectiveness of PeerDA. Notably, PeerDA achieves state-of-the-art results on six of them.
• Abstract（参考訳）: span identificationは、テキスト入力から特定のテキストスパンを特定し、それらを予め定義されたカテゴリに分類することを目的としている。 モデルのトレーニングに置換(Subordinate)関係(つまり、スパンが特定のカテゴリのインスタンスである場合)を単に活用する以前の研究とは異なり、本論文はピア(PR)関係を初めて探求し、2つのスパンが同じカテゴリのインスタンスであることを示し、類似した特徴を共有する。 具体的には,pr関係のスパン対をトレーニングの強化データとして用いる新しいpeerda(peerda)アプローチを提案する。 PeerDAには2つのユニークな利点がある。(1)トレーニングデータを増やすためのPRスパンペアが多数存在する。 2)拡張データは,モデルにスパンセマンティクスを活用させることにより,訓練されたモデルが表面的なスパンカテゴリマッピングを過剰に適合することを防止することができる。 7つの領域にわたる4つの多様なタスクにまたがる10のデータセットの実験結果は、PeerDAの有効性を示している。 特に、PeerDAは6つの最先端の結果を達成する。

関連論文リスト

• Dynamically Updating Event Representations for Temporal Relation Classification with Multi-category Learning [35.27714529976667]
  時間的関係分類は、2つの言及間の時間的リンク(Tlink)の関係を特定するためのペアワイズタスクである。 本稿では,複数のTlinkカテゴリにまたがる動的イベント表現を管理するイベント中心モデルを提案する。 提案手法は,英語と日本語の両方のデータに基づいて,最先端のモデルと2つの転移学習ベースラインより優れている。
  論文  参考訳（メタデータ） (2023-10-31T07:41:24Z)
• Prototype Helps Federated Learning: Towards Faster Convergence [38.517903009319994]
  Federated Learning(FL)は、複数のクライアントが協力して、生データを交換することなく、共有モデルをトレーニングする分散機械学習技術である。 本稿では,従来のフェデレーション学習プロセスの最後のグローバルイテレーションにわずかな変更を加えるだけで,推論性能を向上する,プロトタイプベースのフェデレーション学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-03-22T04:06:29Z)
• Learning towards Selective Data Augmentation for Dialogue Generation [52.540330534137794]
  すべての事例が増補作業に有益である訳ではなく、増補に適した事例は以下の2つの属性に従うべきであると我々は主張する。 応答生成タスクに対してSDA(Selective Data Augmentation framework)を提案する。
  論文  参考訳（メタデータ） (2023-03-17T01:26:39Z)
• Focus on Your Target: A Dual Teacher-Student Framework for Domain-adaptive Semantic Segmentation [210.46684938698485]
  意味的セグメンテーションのための教師なしドメイン適応(UDA)について検討する。 対象領域からのトレーニングサンプルの割合を減少・増加させることで,「学習能力」が強化・弱まることがわかった。 本稿では,DTS(Double teacher-student)フレームワークを提案し,双方向学習戦略を取り入れた。
  論文  参考訳（メタデータ） (2023-03-16T05:04:10Z)
• Unified Visual Relationship Detection with Vision and Language Models [89.77838890788638]
  この研究は、複数のデータセットからラベル空間の結合を予測する単一の視覚的関係検出器のトレーニングに焦点を当てている。 視覚と言語モデルを活用した統合視覚関係検出のための新しいボトムアップ手法UniVRDを提案する。 人物体間相互作用検出とシーングラフ生成の双方による実験結果から,本モデルの競合性能が示された。
  論文  参考訳（メタデータ） (2023-03-16T00:06:28Z)
• Prompt Tuning for Parameter-efficient Medical Image Segmentation [79.09285179181225]
  2つの医用画像データセットのセマンティックセグメンテーションにパラメータ効率が良いが効果的な適応を実現するために,いくつかのコントリビューションを提案し,検討する。 我々はこのアーキテクチャを、オンライン生成プロトタイプへの割り当てに基づく専用密集型セルフスーパービジョンスキームで事前訓練する。 得られたニューラルネットワークモデルにより、完全に微調整されたモデルとパラメータに適応したモデルとのギャップを緩和できることを実証する。
  論文  参考訳（メタデータ） (2022-11-16T21:55:05Z)
• Making a (Counterfactual) Difference One Rationale at a Time [5.97507595130844]
  本研究では,人的支援を伴わない反現実的データ拡張が,セレクタの性能を向上させることができるかどうかを考察する。 以上の結果から,CDAは関心のシグナルをよりよく捉えた合理性を生み出すことが示唆された。
  論文  参考訳（メタデータ） (2022-01-13T19:05:02Z)
• 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)
• Learning End-to-End Action Interaction by Paired-Embedding Data Augmentation [10.857323240766428]
  新しいInteractive Action Translation (IAT)タスクは、ラベルなしのインタラクティブなペアからエンドツーエンドのアクションインタラクションを学ぶことを目的としている。 Paired-Embedding (PE) 法を提案する。 2つのデータセットの実験結果から,本手法の優れた効果と幅広い応用可能性が確認された。
  論文  参考訳（メタデータ） (2020-07-16T01:54:16Z)

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。