論文の概要: Towards Proactively Forecasting Sentence-Specific Information Popularity within Online News Documents

• arxiv url: http://arxiv.org/abs/2301.00152v1
• Date: Sat, 31 Dec 2022 08:40:08 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-03 13:31:45.068578
• Title: Towards Proactively Forecasting Sentence-Specific Information Popularity within Online News Documents
• Title（参考訳）: オンラインニュース文書における文特化情報普及の予測に向けて
• Authors: Sayar Ghosh Roy, Anshul Padhi, Risubh Jain, Manish Gupta, Vasudeva Varma
• Abstract要約: 本稿では,オンラインニュース文書中の文の人気を積極的に予測するタスクについて紹介する。 モデルをトレーニングするために、我々はInfoPopをキュレートする。 本稿では,文のサリエンス予測を補助課題とする転帰学習手法を提案する。
• 参考スコア（独自算出の注目度）: 13.537665342333488
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Multiple studies have focused on predicting the prospective popularity of an online document as a whole, without paying attention to the contributions of its individual parts. We introduce the task of proactively forecasting popularities of sentences within online news documents solely utilizing their natural language content. We model sentence-specific popularity forecasting as a sequence regression task. For training our models, we curate InfoPop, the first dataset containing popularity labels for over 1.7 million sentences from over 50,000 online news documents. To the best of our knowledge, this is the first dataset automatically created using streams of incoming search engine queries to generate sentence-level popularity annotations. We propose a novel transfer learning approach involving sentence salience prediction as an auxiliary task. Our proposed technique coupled with a BERT-based neural model exceeds nDCG values of 0.8 for proactive sentence-specific popularity forecasting. Notably, our study presents a non-trivial takeaway: though popularity and salience are different concepts, transfer learning from salience prediction enhances popularity forecasting. We release InfoPop and make our code publicly available: https://github.com/sayarghoshroy/InfoPopularity
• Abstract（参考訳）: 複数の研究は、個々の部分の貢献に注意を払わずに、オンライン文書全体の将来的な人気を予測することに重点を置いている。 本稿では,その自然言語コンテンツのみを利用したオンラインニュース文書中の文の人気を積極的に予測するタスクを紹介する。 文固有の人気予測を逐次回帰タスクとしてモデル化する。 モデルのトレーニングのために、我々は5万以上のオンラインニュース文書から170万文以上の人気ラベルを含む最初のデータセットであるinfopopをキュレートします。 私たちの知る限りでは、これは、入力する検索エンジンクエリのストリームを使って自動的に作成され、文レベルの人気アノテーションを生成する最初のデータセットです。 本稿では,文のサリエンス予測を補助課題とする転帰学習手法を提案する。 提案手法は,BERTに基づくニューラルモデルと組み合わさって,前向きな文固有人気予測のnDCG値0.8を超えた。 特に,本研究では,人気とサリエンスは異なる概念であるが,サリエンス予測からの移行学習は人気予測を促進する。 私たちはInfoPopをリリースし、コードを公開します。

関連論文リスト

• Popular News Always Compete for the User's Attention! POPK: Mitigating Popularity Bias via a Temporal-Counterfactual [1.6488226958404897]
  本稿では,ニュース記事の影響を緩和するために時間的対数分析を用いた新しい手法であるPOPKを提案する。 我々は3つの異なる言語データセット(日本語、英語、ノルウェー語)でPOPKを検証したところ、従来の手法の強化に成功していることがわかった。
  論文  参考訳（メタデータ） (2024-07-13T16:32:16Z)
• Posterior Sampling via Autoregressive Generation [11.713451719120707]
  本稿では,大規模な履歴データから帯域幅アルゴリズムを学習するための新しいフレームワークを提案する。 我々は、過去のデータを用いて自己回帰モデルを事前訓練し、繰り返しのフィードバック/リワードのシーケンスを予測する。 意思決定時には、各アクションに対して想像された報酬の列を自動で(インプット)サンプリングし、最大平均的な報酬でアクションを選択する。
  論文  参考訳（メタデータ） (2024-05-29T19:24:44Z)
• PopALM: Popularity-Aligned Language Models for Social Media Trendy Response Prediction [6.979995957338177]
  本研究では,ソーシャルメディアイベントに対するトップライクなユーザ応答を自動的に生成するためのトレンド応答予測について検討する。 PopALM(Popularity-Aligned Language Models)を提案する。 実験では,トレンド応答予測のための大規模Weiboデータセットを構築し,その結果から,PopALMが高度な言語モデルの性能向上に役立つことが示された。
  論文  参考訳（メタデータ） (2024-02-29T08:28:04Z)
• Decoding the Silent Majority: Inducing Belief Augmented Social Graph with Large Language Model for Response Forecasting [74.68371461260946]
  SocialSenseは、既存のソーシャルネットワーク上に信念中心のグラフを誘導するフレームワークであり、グラフベースの伝播によって社会的ダイナミクスを捉える。 本手法は,ゼロショット設定と教師あり設定の両方に対する実験的な評価において,既存の最先端技術を超えている。
  論文  参考訳（メタデータ） (2023-10-20T06:17:02Z)
• AutoCast++: Enhancing World Event Prediction with Zero-shot Ranking-based Context Retrieval [9.357912396498142]
  ゼロショットランキングに基づくコンテキスト検索システムであるAutoCast++を紹介する。 提案手法は、まずゼロショットの質問パス関連性に基づいて記事を再ランク付けし、セマンティックな関連するニュースに注目する。 我々は、ドメイン固有のトレーニングを必要とせずに、関連性評価と記事要約を行う。
  論文  参考訳（メタデータ） (2023-10-03T08:34:44Z)
• ASPEST: Bridging the Gap Between Active Learning and Selective Prediction [56.001808843574395]
  選択予測は、不確実な場合の予測を棄却する信頼性のあるモデルを学ぶことを目的としている。 アクティブラーニングは、最も有意義な例を問うことで、ラベリングの全体、すなわち人間の依存度を下げることを目的としている。 本研究では,移動対象領域からより情報のあるサンプルを検索することを目的とした,新たな学習パラダイムである能動的選択予測を導入する。
  論文  参考訳（メタデータ） (2023-04-07T23:51:07Z)
• Content Popularity Prediction in Fog-RANs: A Clustered Federated Learning Based Approach [66.31587753595291]
  本稿では,ローカルユーザとモバイルユーザの両面からコンテンツの人気度を統合した,モビリティに配慮した新しい人気予測ポリシーを提案する。 ローカルユーザにとって、コンテンツの人気は、ローカルユーザやコンテンツの隠された表現を学習することによって予測される。 モバイルユーザーにとって、コンテンツの人気はユーザー好みの学習によって予測される。
  論文  参考訳（メタデータ） (2022-06-13T03:34:00Z)
• Progressive End-to-End Object Detection in Crowded Scenes [96.92416613336096]
  以前のクエリベースの検出器は2つの欠点に悩まされていた: まず、複数の予測が1つのオブジェクトに対して推論される。 具体的には、まず受理されたクエリを選択して正の予測を生成し、その後、受理された予測に従って残雑音のあるクエリを精査する。 提案手法は,混み合ったシーンにおける問合せ型検出器の性能を大幅に向上させることができることを示す。
  論文  参考訳（メタデータ） (2022-03-15T06:12:00Z)
• Ranking Creative Language Characteristics in Small Data Scenarios [52.00161818003478]
  DirectRankerを適用して、小さなデータでクリエイティブ言語をランク付けするための、新しいディープモデルを提供します。 スパーストレーニングデータを用いた実験により、標準的なニューラルネットワークのランク付け手法の性能は小さなデータセットで崩壊するが、DirectRankerは依然として有効であることがわかった。
  論文  参考訳（メタデータ） (2020-10-23T18:57:47Z)
• Predicting MOOCs Dropout Using Only Two Easily Obtainable Features from the First Week's Activities [56.1344233010643]
  いくつかの特徴は、学習者の誘惑や興味の欠如に寄与すると考えられており、そのことが解脱や総減退につながる可能性がある。 この研究は、いくつかの機械学習アプローチを比較して、最初の1週間から早期のドロップアウトを予測することを目的としている。
  論文  参考訳（メタデータ） (2020-08-12T10:44:49Z)
• On the Limits to Multi-Modal Popularity Prediction on Instagram -- A New Robust, Efficient and Explainable Baseline [5.859055059050023]
  人口ベースの人気予測のための,頑健で効率的で説明可能なベースラインを提示する。 我々は,コンピュータビジョンにおける最新の手法を用いて,視覚的モダリティから抽出した情報を最大化する。 われわれの最強のモデルは、Instagramの人口ベースの人気予測可能性に限界があることを示唆している。
  論文  参考訳（メタデータ） (2020-04-26T21:21:50Z)

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。