Fugu-MT 論文翻訳(概要): Experiences from the MediaEval Predicting Media Memorability Task

論文の概要: Experiences from the MediaEval Predicting Media Memorability Task

arxiv url: http://arxiv.org/abs/2212.03955v1
Date: Wed, 7 Dec 2022 21:00:26 GMT
ステータス: 処理完了
システム内更新日: 2022-12-09 14:37:48.125945
Title: Experiences from the MediaEval Predicting Media Memorability Task
Title（参考訳）: メディア体験によるメディアの記憶可能性の予測
Authors: Alba Garc\'ia Deco de Herrera and Mihai Gabriel Constantin and Chaire-H\'el\`ene Demarty and Camilo Fosco and Sebastian Halder and Graham Healy and Bogdan Ionescu and Ana Matran-Fernandez and Alan F. Smeaton and Mushfika Sultana and Lorin Sweeney
Abstract要約: Predicting Media Memorabilityタスクは2018年から毎年実施されている。これにより、同じデータ上で多くの記憶可能性予測技術の性能を比較することができる。メディアの記憶可能性を計算するために作られたリソースは、現在、実際の評価キャンペーンを超えて研究者によって使用されている。
参考スコア（独自算出の注目度）: 5.032429663272684
License: http://creativecommons.org/licenses/by/4.0/
Abstract: The Predicting Media Memorability task in the MediaEval evaluation campaign has been running annually since 2018 and several different tasks and data sets have been used in this time. This has allowed us to compare the performance of many memorability prediction techniques on the same data and in a reproducible way and to refine and improve on those techniques. The resources created to compute media memorability are now being used by researchers well beyond the actual evaluation campaign. In this paper we present a summary of the task, including the collective lessons we have learned for the research community.
Abstract（参考訳）: MediaEval評価キャンペーンにおける予測メディア記憶可能性タスクは、2018年から毎年実施されており、この時期にはいくつかの異なるタスクやデータセットが使用されている。これにより、同じデータと再現可能な方法で多くの記憶可能性予測技術の性能を比較し、それらの技術を洗練・改善することができる。メディアの記憶力を計算するために作られたリソースは現在、実際の評価キャンペーンを超えて研究者によって使用されている。本稿では,研究コミュニティで学んだ総合的な教訓を含め,課題の概要を紹介する。

関連論文リスト

The Promises and Pitfalls of LLM Annotations in Dataset Labeling: a Case Study on Media Bias Detection [23.378592856800168]
大きな言語モデル(LLM)は、アノテーションプロセスの自動化に使用することができる。本研究では,メディアバイアス検出の複雑なタスクにLDMが適用可能であるかを検討する。メディアバイアス分類のための,最初の大規模データセットであるAnnolexicalを作成します。
論文参考訳（メタデータ） (2024-11-17T14:14:36Z)
A Dataset for the Validation of Truth Inference Algorithms Suitable for Online Deployment [76.04306818209753]
実世界のクラウドソーシングプラットフォームから収集した,実質的なクラウドソーシングアノテーションデータセットを紹介する。このデータセットは、約2万のワーカー、100万のタスク、600万のアノテーションで構成されている。本データセットにおけるいくつかの代表的真理推論アルゴリズムの有効性を評価する。
論文参考訳（メタデータ） (2024-03-10T16:00:41Z)
Overview of the TREC 2023 Product Product Search Track [70.56592126043546]
今年はTREC製品サーチトラックの最初の年だ。焦点は再利用可能なコレクションの作成であった。我々は、コンテキストメタデータを含む新しい製品検索コーパスを活用している。
論文参考訳（メタデータ） (2023-11-14T02:25:18Z)
Inference of Media Bias and Content Quality Using Natural-Language Processing [6.092956184948962]
本稿では、メディアの政治バイアスとコンテンツ品質の両方をテキストから推測する枠組みを提案する。我々は,100万ツイート以上のデータセットに対して,双方向長短期記憶(LSTM)ニューラルネットワークを適用した。この結果から,テキスト分析における単語順序の学習手法への活用の重要性が示唆された。
論文参考訳（メタデータ） (2022-12-01T03:04:55Z)
MetaAudio: A Few-Shot Audio Classification Benchmark [2.294014185517203]
この研究は、画像ベースのベンチマークへの依存を軽減することを目的として、初めて包括的で公開され、完全に再現可能なオーディオベースの代替手段を提供する。 7つの音声データセットにおいて,様々な手法の複数ショットの分類性能を比較した。実験では,MAMLやMeta-Curvatureのような勾配に基づくメタ学習法が,測定法とベースライン法の両方で一貫して優れていた。
論文参考訳（メタデータ） (2022-04-05T11:33:44Z)
Transformer-based Multi-task Learning for Disaster Tweet Categorisation [2.9112649816695204]
ソーシャルメディアは、人々がタイムリーな方法で情報を流すことを可能にし、危機時に助けを求めるメッセージを投稿する動機となった。これらのメッセージは、情報タイプに応じて分類される必要がある緊急対応者の状況認識に寄与する。情報型を分類し,これらのメッセージの優先度を推定するトランスフォーマーベースのマルチタスク学習(MTL)手法を提案する。
論文参考訳（メタデータ） (2021-10-15T11:13:46Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Scaling up Search Engine Audits: Practical Insights for Algorithm Auditing [68.8204255655161]
異なる地域に数百の仮想エージェントを配置した8つの検索エンジンの実験を行った。複数のデータ収集にまたがる研究インフラの性能を実証する。仮想エージェントは,アルゴリズムの性能を長時間にわたって監視するための,有望な場所である,と結論付けている。
論文参考訳（メタデータ） (2021-06-10T15:49:58Z)
Conditional Meta-Learning of Linear Representations [57.90025697492041]
表現学習のための標準メタラーニングは、複数のタスク間で共有される共通の表現を見つけることを目的とする。本研究では,タスクの側情報を手作業に適した表現にマッピングし,条件付け関数を推定することで,この問題を克服する。この利点を実用的に活用できるメタアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-03-30T12:02:14Z)
Multi-modal Ensemble Models for Predicting Video Memorability [3.8367329188121824]
本研究は,メディアの記憶可能性を予測するための特徴として,抽出音声埋め込みの有効性と高一般化性を紹介する。
論文参考訳（メタデータ） (2021-02-01T21:16:52Z)
ContentWise Impressions: An Industrial Dataset with Impressions Included [68.5068326729525]
ContentWise Impressionsデータセットは、Over-The-Topメディアサービスによる映画とテレビシリーズの暗黙の相互作用と印象の集合である。本稿では,データ収集プロセス,前処理の適用状況,特徴,統計を,他の一般的なデータセットと比較した場合に述べる。データをロードして分割するソフトウェアツールと、ユーザインタラクションとインプレッションの両方を、いくつかの一般的なレコメンデーションアルゴリズムで使用する方法の例をリリースする。
論文参考訳（メタデータ） (2020-08-03T21:46:38Z)

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。