論文の概要: Modelling Stance Detection as Textual Entailment Recognition and
Leveraging Measurement Knowledge from Social Sciences
- arxiv url: http://arxiv.org/abs/2212.06543v1
- Date: Tue, 13 Dec 2022 12:56:55 GMT
- ステータス: 処理完了
- システム内更新日: 2022-12-14 15:23:55.315739
- Title: Modelling Stance Detection as Textual Entailment Recognition and
Leveraging Measurement Knowledge from Social Sciences
- Title(参考訳): 係り受け認識としてのスタンス検出のモデル化と社会科学からの計測知識の活用
- Authors: Qixiang Fang and Anastasia Giachanou and Ayoub Bagheri
- Abstract要約: SDをTERとしてモデル化することは、より多くのトレーニングデータや、より一般的な学習スキームのような利点を提供するかもしれない。
既存のラベル付きSDデータセットが利用できない、難しいが関連するテストケースに適用する。
- 参考スコア(独自算出の注目度): 2.6212127510234797
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Stance detection (SD) can be considered a special case of textual entailment
recognition (TER), a generic natural language task. Modelling SD as TER may
offer benefits like more training data and a more general learning scheme. In
this paper, we present an initial empirical analysis of this approach. We apply
it to a difficult but relevant test case where no existing labelled SD dataset
is available, because this is where modelling SD as TER may be especially
helpful. We also leverage measurement knowledge from social sciences to improve
model performance. We discuss our findings and suggest future research
directions.
- Abstract(参考訳): スタンス検出(sd)は、汎用自然言語タスクであるter(textual entailment recognition)の特別なケースと見なすことができる。
SDをTERとしてモデル化することは、より多くのトレーニングデータやより一般的な学習スキームのような利点を提供する。
本稿では,このアプローチの初期の経験的分析について述べる。
既存のラベル付きSDデータセットが利用できないような、難しいが関連するテストケースに適用する。
また,社会科学の計測知識を活用し,モデルの性能を向上させる。
今後の研究の方向性について検討する。
関連論文リスト
- A step towards the integration of machine learning and small area
estimation [0.0]
本稿では,機械学習アルゴリズムがサポートする予測器を提案する。
仮定モデルからわずかに逸脱しただけで、この場合も提案が良い代替手段であることを示す。
さらに,機械学習予測器の精度推定手法を提案し,従来の手法との比較を行った。
論文 参考訳(メタデータ) (2024-02-12T09:43:17Z) - EAT: Towards Long-Tailed Out-of-Distribution Detection [55.380390767978554]
本稿では,長い尾を持つOOD検出の課題に対処する。
主な困難は、尾クラスに属するサンプルとOODデータを区別することである。
本稿では,(1)複数の禁制クラスを導入して分布内クラス空間を拡大すること,(2)コンテキストリッチなOODデータに画像をオーバーレイすることでコンテキスト限定のテールクラスを拡大すること,の2つの簡単な考え方を提案する。
論文 参考訳(メタデータ) (2023-12-14T13:47:13Z) - Combining inherent knowledge of vision-language models with unsupervised
domain adaptation through self-knowledge distillation [49.65728535989119]
教師なしドメイン適応(UDA)は、ラベル付きソースデータセットを活用することで、データのラベル付けの面倒な作業を克服しようとする。
現在の視覚言語モデルは驚くべきゼロショット予測能力を示している。
UDAを通じて得られた知識と、視覚言語モデルの本質的な知識を組み合わせる。
論文 参考訳(メタデータ) (2023-12-07T06:16:39Z) - Injecting linguistic knowledge into BERT for Dialogue State Tracking [67.90862881109067]
本稿では,教師なしの枠組みを用いて言語知識を抽出する手法を提案する。
これは、対話状態追跡(DST)タスクにおけるBERTのパフォーマンスと解釈可能性を強化する。
本稿では,DSTタスクの特徴抽出ツールとしてConvex Polytopic Model (CPM) を用い,得られた特徴が対話における構文的・意味的パターンと相関していることを示す。
論文 参考訳(メタデータ) (2023-11-27T08:38:42Z) - Leveraging Artificial Intelligence Technology for Mapping Research to
Sustainable Development Goals: A Case Study [6.551575555269426]
この研究は、オーストラリア大学から82,000冊以上の論文をケーススタディとして採用した。
われわれは、これらの出版物を持続可能な開発目標にマッピングするために類似度尺度を利用した。
私たちは、OpenAI GPTモデルを利用して、同じタスクを実行し、2つのアプローチの比較分析を容易にしました。
論文 参考訳(メタデータ) (2023-11-09T11:44:22Z) - A Critical Review of Large Language Models: Sensitivity, Bias, and the
Path Toward Specialized AI [0.0]
本稿では,テキストデータ中のSDGの検出における,特殊なコンパイル言語モデルとOpenAIのGPT-3.5のような汎用モデルの比較の有効性について検討する。
この研究は、LLMの能力とドメイン固有の専門知識と解釈可能性の必要性のバランスを見つけるために、さらなる研究を奨励することで締めくくっている。
論文 参考訳(メタデータ) (2023-07-28T09:20:22Z) - Robust Visual Question Answering: Datasets, Methods, and Future
Challenges [23.59923999144776]
視覚的な質問応答には、画像と自然言語の質問に与えられた正確な自然言語の回答を提供するシステムが必要である。
従来の一般的なVQA手法は、答えを予測する前に画像のグラウンド化など適切な振る舞いを学ぶのではなく、トレーニングデータに存在するバイアスを記憶する傾向がある。
VQAのロバスト性を評価するために,様々なデータセットとデバイアス法が提案されている。
論文 参考訳(メタデータ) (2023-07-21T10:12:09Z) - Causal Discovery with Language Models as Imperfect Experts [119.22928856942292]
専門知識を用いて因果グラフの同定を改善する方法について検討する。
整合性に基づく専門家の知識を改良するための戦略を提案する。
本稿では,不完全な専門家として大規模言語モデルを用いる実データを用いたケーススタディについて報告する。
論文 参考訳(メタデータ) (2023-07-05T16:01:38Z) - Harnessing the Power of Text-image Contrastive Models for Automatic
Detection of Online Misinformation [50.46219766161111]
誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。
本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
論文 参考訳(メタデータ) (2023-04-19T02:53:59Z) - A Survey on Contextualised Semantic Shift Detection [0.0]
セマンティックシフト検出(セマンティックシフト検出、Semantic Shift Detection、SSD)は、ターゲット語の意味における時間的変化を識別し、解釈し、評価するタスクである。
本稿では,意味表現,時間認識,学習モダリティ次元を特徴とする分類フレームワークを提案する。
論文 参考訳(メタデータ) (2023-04-04T09:50:19Z) - STEERING: Stein Information Directed Exploration for Model-Based
Reinforcement Learning [111.75423966239092]
遷移モデルの現在の推定値と未知の最適値との間の積分確率距離(IPM)の観点から探索インセンティブを提案する。
KSDに基づく新しいアルゴリズムを開発した。 textbfSTEin information dirtextbfEcted Explor for model-based textbfReinforcement Learntextbfing。
論文 参考訳(メタデータ) (2023-01-28T00:49:28Z)
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。