Fugu-MT 論文翻訳(概要): Hyperbolic Centroid Calculations for Text Classification

論文の概要: Hyperbolic Centroid Calculations for Text Classification

arxiv url: http://arxiv.org/abs/2211.04462v1
Date: Tue, 8 Nov 2022 18:55:09 GMT
ステータス: 処理完了
システム内更新日: 2022-11-09 16:21:09.976270
Title: Hyperbolic Centroid Calculations for Text Classification
Title（参考訳）: テキスト分類のための双曲型セントロイド計算
Authors: Ayd{\i}n Gerek, C\"uneyt Ferahlar, Bilge \c{S}ipal Sert, Mehmet Can Y\"uney, Onur Ta\c{s}demir, Zeynep Billur Kalafat, Mert Kelkit, Murat Can Ganiz
Abstract要約: 双曲埋め込みはベクトルではなく、双曲空間の点によって表される。テキスト分類における様々な双曲型セントロイドスキームとその有効性について検討する。
参考スコア（独自算出の注目度）: 0.11726720776908518
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: A new development in NLP is the construction of hyperbolic word embeddings. As opposed to their Euclidean counterparts, hyperbolic embeddings are represented not by vectors, but by points in hyperbolic space. This makes the most common basic scheme for constructing document representations, namely the averaging of word vectors, meaningless in the hyperbolic setting. We reinterpret the vector mean as the centroid of the points represented by the vectors, and investigate various hyperbolic centroid schemes and their effectiveness at text classification.
Abstract（参考訳）: NLPの新しい発展は、双曲型単語埋め込みの構築である。ユークリッド空間とは対照的に、双曲埋め込みはベクトルではなく双曲空間の点によって表現される。これは、文書表現、すなわち単語ベクトルの平均化を構築するための最も一般的な基本的なスキームである。ベクトル平均をベクトルで表される点のセントロイドとして再解釈し,様々な双曲型セントロイドスキームとテキスト分類の有効性について検討した。

関連論文リスト

Hyperbolic Delaunay Geometric Alignment [52.835250875177756]
双曲空間におけるデータセットの比較のための類似度スコアを提案する。中心となる考え方は、与えられた集合をまたいだデータポイントを接続する双曲デラウネーグラフのエッジを数えることである。人工および実生活の生物学的データに関する実証的研究を行い、HyperDGAが集合間の古典的距離の双曲バージョンより優れていることを示す。
論文参考訳（メタデータ） (2024-04-12T17:14:58Z)
Hyperbolic vs Euclidean Embeddings in Few-Shot Learning: Two Sides of the Same Coin [49.12496652756007]
この結果から, 共通の双曲半径での双曲埋め込みが達成できることが示唆された。従来のベンチマーク結果とは対照的に、ユークリッド計量を備えた固定半径エンコーダにより、より良い性能が得られることを示す。
論文参考訳（メタデータ） (2023-09-18T14:51:46Z)
Hyperbolic Convolution via Kernel Point Aggregation [4.061135251278187]
HKConvは、まず、訓練可能な局所双曲的特徴と、双曲空間に固定されたカーネル点とを相関付ける新しい訓練可能な双曲的畳み込みである。我々は,HKConv層を有するニューラルネットワークが,様々なタスクにおいて最先端を推し進めていることを示す。
論文参考訳（メタデータ） (2023-06-15T05:15:13Z)
HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization [52.369435664689995]
HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
論文参考訳（メタデータ） (2022-04-18T06:11:44Z)
Word2Box: Learning Word Representation Using Box Embeddings [28.080105878687185]
単語のベクトル表現を学習することは、NLPにおける最も基本的なトピックの1つである。我々のモデルであるWord2Boxは、単語表現の問題に対する領域ベースアプローチを採用し、単語を$n$次元長方形として表現する。様々な単語類似性タスク、特にあまり一般的でない単語の性能向上を実証した。
論文参考訳（メタデータ） (2021-06-28T01:17:11Z)
A Fully Hyperbolic Neural Model for Hierarchical Multi-Class Classification [7.8176853587105075]
双曲空間は、記号データの階層的表現を学ぶために数学的に魅力的なアプローチを提供する。本研究は,双曲空間におけるすべての操作を実行する多クラス多ラベル分類のための完全双曲モデルを提案する。徹底的な分析では、最終予測における各コンポーネントの影響に光を当て、ユークリッド層との統合の容易さを示している。
論文参考訳（メタデータ） (2020-10-05T14:42:56Z)
Principal Word Vectors [5.64434321651888]
単語をベクトル空間に埋め込むための主成分分析を一般化する。主語ベクトルの拡散と識別性は他の単語埋め込み法よりも高いことを示す。
論文参考訳（メタデータ） (2020-07-09T08:29:57Z)
APo-VAE: Text Generation in Hyperbolic Space [116.11974607497986]
本稿では,双曲型潜在空間におけるテキスト生成について検討し,連続的な階層表現を学習する。適応型ポインケア可変オートエンコーダ (APo-VAE) を提示し, ポインケア球上における潜伏変数の事前および変動後部の両方を包み込み正規分布により定義する。言語モデリングと対話応答生成における実験は,提案したAPo-VAEモデルの有効性を示す。
論文参考訳（メタデータ） (2020-04-30T19:05:41Z)
Word Rotator's Distance [50.67809662270474]
テキスト類似性を評価する上での鍵となる原則は、単語のアライメントを考慮した2つのテキスト間の意味的重複度を測定することである。単語ベクトルのノルムは単語の重要度によいプロキシであり、その角度は単語類似度によいプロキシであることを示す。本稿では,まず単語ベクトルをノルムと方向に分解し,アライメントに基づく類似性を計算する手法を提案する。
論文参考訳（メタデータ） (2020-04-30T17:48:42Z)
Differentiating through the Fr\'echet Mean [51.32291896926807]
フレット平均(Fr'echet mean)はユークリッド平均の一般化である。任意のリーマン多様体に対して Fr'echet 平均を微分する方法を示す。これにより、Fr'echet平均を双曲型ニューラルネットワークパイプラインに完全に統合する。
論文参考訳（メタデータ） (2020-02-29T19:49:38Z)

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。