Fugu-MT 論文翻訳(概要): Improving Narrative Relationship Embeddings by Training with Additional Inverse-Relationship Constraints

論文の概要: Improving Narrative Relationship Embeddings by Training with Additional Inverse-Relationship Constraints

arxiv url: http://arxiv.org/abs/2212.11234v1
Date: Wed, 21 Dec 2022 17:59:11 GMT
ステータス: 処理完了
システム内更新日: 2022-12-22 13:52:10.639444
Title: Improving Narrative Relationship Embeddings by Training with Additional Inverse-Relationship Constraints
Title（参考訳）: 追加の逆関係制約による学習による物語関係埋め込みの改善
Authors: Mikolaj Figurski
Abstract要約: 本稿では,物語の意味空間の縮小から,人物関係を埋め込むという課題について考察する。この仮定を解析し,人為的なラベルを用いた下流クラスタリングタスクの有効性をシミュレートするユニークな評価法を用いて,ベースライン・オブ・ザ・アートモデルに対するアプローチを比較する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We consider the problem of embedding character-entity relationships from the reduced semantic space of narratives, proposing and evaluating the assumption that these relationships hold under a reflection operation. We analyze this assumption and compare the approach to a baseline state-of-the-art model with a unique evaluation that simulates efficacy on a downstream clustering task with human-created labels. Although our model creates clusters that achieve Silhouette scores of -.084, outperforming the baseline -.227, our analysis reveals that the models approach the task much differently and perform well on very different examples. We conclude that our assumption might be useful for specific types of data and should be evaluated on a wider range of tasks.
Abstract（参考訳）: 本研究では,物語の意味空間を減らし,これらの関係がリフレクション操作の下にあるという仮定を提案し,評価する。この仮定を分析し,そのアプローチをベースライン・オブ・ザ・アートモデルと比較し,ダウンストリームクラスタリングタスクの有効性を人間生成ラベルとシミュレートするユニークな評価を行った。我々のモデルでは,Silhouetteスコアが-.084,ベースラインが-.227を上回り,クラスタが生成されるが,モデルがタスクに非常に異なるアプローチをとっており,非常に異なる例でうまく機能することが判明した。我々の仮定は特定の種類のデータに対して有用であり、幅広いタスクで評価されるべきである。

関連論文リスト

Explanatory Model Monitoring to Understand the Effects of Feature Shifts on Performance [61.06245197347139]
そこで本研究では,機能シフトによるブラックボックスモデルの振る舞いを説明する新しい手法を提案する。本稿では,最適輸送と共有値の概念を組み合わせた提案手法について,説明的性能推定として紹介する。
論文参考訳（メタデータ） (2024-08-24T18:28:19Z)
Weak Reward Model Transforms Generative Models into Robust Causal Event Extraction Systems [17.10762463903638]
我々は人的評価を近似するために評価モデルを訓練し、高い合意を得る。そこで本研究では,アノテートデータの一部を用いて評価モデルを訓練する弱強監督手法を提案する。
論文参考訳（メタデータ） (2024-06-26T10:48:14Z)
Think Twice: Measuring the Efficiency of Eliminating Prediction Shortcuts of Question Answering Models [3.9052860539161918]
そこで本研究では,任意の特徴量に対するモデルのスケール依存度を簡易に測定する手法を提案する。質問回答(QA: Question Answering)における各種事前学習モデルとデバイアス法について、既知の予測バイアスと新たに発見された予測バイアスの集合に対するロバスト性を評価する。既存のデバイアス法は、選択された刺激的特徴への依存を軽減することができるが、これらの手法のOOD性能向上は、偏りのある特徴への依存を緩和することによって説明できない。
論文参考訳（メタデータ） (2023-05-11T14:35:00Z)
Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文参考訳（メタデータ） (2022-10-28T14:38:50Z)
A Two-Phase Paradigm for Joint Entity-Relation Extraction [11.92606118894611]
本研究では,スパンベースジョイントエンティティと関係抽出のための2相パラダイムを提案する。 2相のパラダイムは、第1相のエンティティと関係を分類し、第2相のエンティティと関係のタイプを予測することである。複数のデータセットによる実験結果から,2相パラダイムで強化されたスパンベース継手抽出モデルと,その大域的特徴が,関節抽出タスクにおける従来の最先端スパンベースモデルより一貫して優れていたことが示唆された。
論文参考訳（メタデータ） (2022-08-18T06:40:25Z)
Sparse Relational Reasoning with Object-Centric Representations [78.83747601814669]
対象中心表現の操作において,リレーショナルニューラルアーキテクチャによって学習されたソフトルールの構成可能性について検討する。特に特徴量の増加は,いくつかのモデルの性能を向上し,より単純な関係をもたらすことが判明した。
論文参考訳（メタデータ） (2022-07-15T14:57:33Z)
Realistic Evaluation Principles for Cross-document Coreference Resolution [19.95214898312209]
我々は、モデルが標準ECB+データセットの合成トピック構造を利用するべきではないと主張している。私たちは、より現実的な評価原則が競争モデルに与える影響を実証的に示します。
論文参考訳（メタデータ） (2021-06-08T09:05:21Z)
MINIMALIST: Mutual INformatIon Maximization for Amortized Likelihood Inference from Sampled Trajectories [61.3299263929289]
シミュレーションベースの推論は、その可能性が実際に計算できない場合でもモデルのパラメータを学習することができる。あるクラスのメソッドは、異なるパラメータでシミュレートされたデータを使用して、確率とエビデンス比の償却推定器を推定する。モデルパラメータとシミュレーションデータ間の相互情報の観点から,本手法が定式化可能であることを示す。
論文参考訳（メタデータ） (2021-06-03T12:59:16Z)
Few-shot Visual Reasoning with Meta-analogical Contrastive Learning [141.2562447971]
本稿では,類似推論に頼って,数ショット(または低ショット)の視覚推論問題を解くことを提案する。両領域の要素間の構造的関係を抽出し、類似学習と可能な限り類似するように強制する。 RAVENデータセット上での本手法の有効性を検証し, トレーニングデータが少ない場合, 最先端の手法より優れることを示す。
論文参考訳（メタデータ） (2020-07-23T14:00:34Z)
Task-Feature Collaborative Learning with Application to Personalized Attribute Prediction [166.87111665908333]
本稿では,TFCL(Task-Feature Collaborative Learning)と呼ばれる新しいマルチタスク学習手法を提案する。具体的には、まず、特徴とタスクの協調的なグループ化を活用するために、不均一なブロック対角構造正規化器を用いたベースモデルを提案する。実際の拡張として,重なり合う機能と難易度を区別することで,基本モデルを拡張します。
論文参考訳（メタデータ） (2020-04-29T02:32:04Z)
Context-dependent self-exciting point processes: models, methods, and risk bounds in high dimensions [21.760636228118607]
高次元自己回帰ポイントプロセスは、現在のイベントが、ソーシャルネットワークの1人のメンバーによる活動のような将来の出来事を誘発または抑制する方法をモデル化する。我々は、機械学習における合成時系列と正規化手法のアイデアを活用し、高次元マークポイントプロセスのネットワーク推定を行う。
論文参考訳（メタデータ） (2020-03-16T20:22:43Z)

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。