Fugu-MT 論文翻訳(概要): Improve Text Classification Accuracy with Intent Information

論文の概要: Improve Text Classification Accuracy with Intent Information

arxiv url: http://arxiv.org/abs/2212.07649v1
Date: Thu, 15 Dec 2022 08:15:32 GMT
ステータス: 処理完了
システム内更新日: 2022-12-16 16:43:34.583011
Title: Improve Text Classification Accuracy with Intent Information
Title（参考訳）: 意図情報を用いたテキスト分類精度の向上
Authors: Yifeng Xie
Abstract要約: 既存の手法ではラベル情報の利用を考慮せず、トークンを意識したシナリオではテキスト分類システムの性能が低下する可能性がある。本稿では,テキスト分類タスクのラベル埋め込みとしてラベル情報を導入し,ベンチマークデータセット上での顕著な性能を実現する。
参考スコア（独自算出の注目度）: 0.38073142980733
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Text classification, a core component of task-oriented dialogue systems, attracts continuous research from both the research and industry community, and has resulted in tremendous progress. However, existing method does not consider the use of label information, which may weaken the performance of text classification systems in some token-aware scenarios. To address the problem, in this paper, we introduce the use of label information as label embedding for the task of text classification and achieve remarkable performance on benchmark dataset.
Abstract（参考訳）: タスク指向対話システムの中核的な構成要素であるテキスト分類は、研究と産業の双方から継続的な研究を惹きつけ、大きな進歩をもたらした。しかし,既存の手法ではラベル情報の利用を考慮せず,トークン対応のシナリオではテキスト分類システムの性能が低下する可能性がある。本稿では,テキスト分類の課題としてラベル情報をラベル埋め込みとして使用し,ベンチマークデータセットにおいて顕著な性能を実現する。

関連論文リスト

Recent Advances in Hierarchical Multi-label Text Classification: A Survey [11.709847202580505]
階層的マルチラベルテキスト分類は、入力されたテキストを複数のラベルに分類することを目的としており、その中にラベルが構造化され階層的である。これは、科学文献のアーカイブなど、多くの現実世界の応用において重要なタスクである。
論文参考訳（メタデータ） (2023-07-30T16:13:00Z)
Exploring Structured Semantic Prior for Multi Label Recognition with Incomplete Labels [60.675714333081466]
不完全なラベルを持つマルチラベル認識(MLR)は非常に難しい。最近の研究は、視覚言語モデルであるCLIPにおける画像とラベルの対応を探り、不十分なアノテーションを補うことを目指している。我々は,MLRにおけるラベル管理の欠如を,構造化されたセマンティクスを導出することにより,不完全なラベルで修復することを提唱する。
論文参考訳（メタデータ） (2023-03-23T12:39:20Z)
Label Semantic Aware Pre-training for Few-shot Text Classification [53.80908620663974]
テキスト分類システムの一般化とデータ効率を向上させるために,ラベルセマンティック・アウェア事前学習(LSAP)を提案する。 LSAPは、ラベル付き文の2次事前学習を行うことにより、ラベルセマンティクスを事前学習された生成モデル(T5)に組み込む。
論文参考訳（メタデータ） (2022-04-14T17:33:34Z)
Out-of-Category Document Identification Using Target-Category Names as Weak Supervision [64.671654559798]
Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
論文参考訳（メタデータ） (2021-11-24T21:01:25Z)
TF-CR: Weighting Embeddings for Text Classification [6.531659195805749]
本稿では,単語埋め込みの計算において,高頻度のカテゴリー排他語を重み付け可能な新しい重み付け方式TF-CRを提案する。 16の分類データセットの実験はTF-CRの有効性を示し、既存の重み付け方式よりもパフォーマンススコアが向上した。
論文参考訳（メタデータ） (2020-12-11T19:23:28Z)
Unsupervised Label Refinement Improves Dataless Text Classification [48.031421660674745]
データレステキスト分類は、ラベル記述と組み合わせた文書にスコアを割り当てることで、文書を未確認のラベルに分類することができる。有望ながら、それは重要なダウンストリームタスクごとにラベルセットの正確な説明に依存します。この依存により、データレス分類器はラベル記述の選択に非常に敏感になり、実際にはデータレス分類の幅広い適用を妨げる。
論文参考訳（メタデータ） (2020-12-08T03:37:50Z)
Adversarial Knowledge Transfer from Unlabeled Data [62.97253639100014]
本稿では,インターネット規模の未ラベルデータから知識を伝達し,分類器の性能を向上させるための新しいAdversarial Knowledge Transferフレームワークを提案する。我々の手法の重要な新しい側面は、ラベル付けされていないソースデータは、ラベル付けされたターゲットデータと異なるクラスであることができ、個別のプリテキストタスクを定義する必要がないことである。
論文参考訳（メタデータ） (2020-08-13T08:04:27Z)
Label-guided Learning for Text Classification [47.15144153830845]
テキスト表現と分類のためのラベル誘導学習フレームワークLguidedLearnを提案する。本手法は,一般的なテキスト表現学習スキーマにラベル付き符号化層を挿入するだけでよい,斬新な手法である。提案フレームワークでは,ラベル誘導層を文脈符号化法で容易に直接適用し,共同学習を行う。
論文参考訳（メタデータ） (2020-02-25T10:05:56Z)
Description Based Text Classification with Reinforcement Learning [34.18824470728299]
本稿では,各カテゴリのラベルをカテゴリ記述に関連付ける,テキスト分類のための新しいフレームワークを提案する。我々は、幅広いテキスト分類タスクにおいて、強いベースラインよりも顕著なパフォーマンス向上を観察する。
論文参考訳（メタデータ） (2020-02-08T02:14:28Z)

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。