論文の概要: A Parametric Similarity Method: Comparative Experiments based on
Semantically Annotated Large Datasets
- arxiv url: http://arxiv.org/abs/2302.04123v1
- Date: Wed, 8 Feb 2023 15:22:32 GMT
- ステータス: 処理完了
- システム内更新日: 2023-02-09 15:52:30.018999
- Title: A Parametric Similarity Method: Comparative Experiments based on
Semantically Annotated Large Datasets
- Title（参考訳）: パラメトリック類似法:意味的注釈付き大データセットに基づく比較実験
- Authors: Antonio De Nicola, Anna Formica, Michele Missikoff, Elaheh Pourabbas,
Francesco Taglino
- Abstract要約: 本稿では,デジタルリソースの意味的類似性の測定を目的としたパラメトリック手法SemSimpを提案する。
我々は,Association for Computing MachineryのDigital Libraryをベースとした,現実世界の大規模データセットを使用している。
物理学の領域で実施された実験は、一般に、SemSimpは他の類似性法よりも優れた結果をもたらすことを示した。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We present the parametric method SemSimp aimed at measuring semantic
similarity of digital resources. SemSimp is based on the notion of information
content, and it leverages a reference ontology and taxonomic reasoning,
encompassing different approaches for weighting the concepts of the ontology.
In particular, weights can be computed by considering either the available
digital resources or the structure of the reference ontology of a given domain.
SemSimp is assessed against six representative semantic similarity methods for
comparing sets of concepts proposed in the literature, by carrying out an
experimentation that includes both a statistical analysis and an expert
judgement evaluation. To the purpose of achieving a reliable assessment, we
used a real-world large dataset based on the Digital Library of the Association
for Computing Machinery (ACM), and a reference ontology derived from the ACM
Computing Classification System (ACM-CCS). For each method, we considered two
indicators. The first concerns the degree of confidence to identify the
similarity among the papers belonging to some special issues selected from the
ACM Transactions on Information Systems journal, the second the Pearson
correlation with human judgement. The results reveal that one of the
configurations of SemSimp outperforms the other assessed methods. An additional
experiment performed in the domain of physics shows that, in general, SemSimp
provides better results than the other similarity methods.
- Abstract（参考訳）: 本稿では,デジタルリソースの意味的類似性の測定を目的としたパラメトリック手法SemSimpを提案する。
SemSimpは情報内容の概念に基づいており、オントロジーの概念を重み付けするための様々なアプローチを含む参照オントロジーと分類学的推論を利用している。
特に重みは、利用可能なデジタルリソースまたは与えられた領域の参照オントロジーの構造を考慮することで計算することができる。
SemSimpは、統計的分析と専門家の判断評価の両方を含む実験を行うことにより、文献で提案されている概念の集合を比較するための6つの代表的意味的類似性手法に対して評価される。
信頼性の高い評価を実現するために,acm(association for computing machinery)のデジタルライブラリに基づく実世界の大規模データセットと,acmコンピューティング分類システム(acm-ccs)から派生した参照オントロジーを用いた。
各方法について2つの指標を検討した。
第1は、acm transactions on information systems journalから選択されたいくつかの特別号に含まれる論文の類似性を特定するための信頼度に関するもので、第2はpearson correlation with human judgementである。
以上の結果から,semsimpの構成の1つが,他の評価手法よりも優れていることが明らかとなった。
物理学の領域で実施された追加の実験は、一般に、SemSimpは他の類似性法よりも優れた結果をもたらすことを示した。
関連論文リスト
- Evaluating Representational Similarity Measures from the Lens of Functional Correspondence [1.7811840395202345]
神経科学と人工知能(AI)はどちらも、高次元のニューラルネットワークの解釈という課題に直面している。
表象比較が広く使われているにもかかわらず、重要な疑問が残る: どの指標がこれらの比較に最も適しているのか?
論文 参考訳（メタデータ） (2024-11-21T23:53:58Z) - DCID: Deep Canonical Information Decomposition [84.59396326810085]
本稿では,2つの1次元目標変数間で共有される信号の同定について考察する。
そこで本研究では,地中トラスラベルの存在下で使用可能な評価指標であるICMを提案する。
また、共有変数を学習するための単純かつ効果的なアプローチとして、Deep Canonical Information Decomposition (DCID)を提案する。
論文 参考訳（メタデータ） (2023-06-27T16:59:06Z) - An Experimental Investigation into the Evaluation of Explainability
Methods [60.54170260771932]
この研究は、9つの最先端XAI法と3つのダミー法(例えば、ランダム・サリエンシ・マップ)に適用された14の異なるメトリクスを比較した。
実験の結果、これらの指標のどれが高い相関関係を示し、潜在的な冗長性を示している。
論文 参考訳（メタデータ） (2023-05-25T08:07:07Z) - Revisiting the Evaluation of Image Synthesis with GANs [55.72247435112475]
本研究では, 合成性能の評価に関する実証的研究を行い, 生成モデルの代表としてGAN(Generative Adversarial Network)を用いた。
特に、表現空間におけるデータポイントの表現方法、選択したサンプルを用いた公平距離の計算方法、各集合から使用可能なインスタンス数など、さまざまな要素の詳細な分析を行う。
論文 参考訳（メタデータ） (2023-04-04T17:54:32Z) - Apport des ontologies pour le calcul de la similarit\'e s\'emantique au
sein d'un syst\`eme de recommandation [0.0]
用語、単語、テキストデータ間の意味的関連性や類似性の測定は、異なるアプリケーションにおいて重要な役割を果たす。
提案手法は,レコメンデータシステムを用いて意味的類似性を計算する手法である。
論文 参考訳（メタデータ） (2022-05-25T07:27:10Z) - Knowledge Graph Embedding Methods for Entity Alignment: An Experimental
Review [7.241438112282638]
我々は、エンティティアライメントのための一般的な埋め込み手法の最初のメタレベル解析を行う。
KGsにより抽出された様々なメタ機能と異なる埋め込み手法の統計的に有意な相関関係が明らかとなった。
テストベッドの全現実世界のKGで有効性に応じて統計的に有意なランク付けを行う。
論文 参考訳（メタデータ） (2022-03-17T12:11:58Z) - Adaptive Hierarchical Similarity Metric Learning with Noisy Labels [138.41576366096137]
適応的階層的類似度メトリック学習法を提案する。
ノイズに敏感な2つの情報、すなわち、クラスワイドのばらつきとサンプルワイドの一貫性を考える。
提案手法は,現在の深層学習手法と比較して,最先端の性能を実現する。
論文 参考訳（メタデータ） (2021-10-29T02:12:18Z) - A comprehensive comparative evaluation and analysis of Distributional
Semantic Models [61.41800660636555]
我々は、静的DSMによって生成されたり、BERTによって生成された文脈化されたベクトルを平均化して得られるような、型分布ベクトルの包括的評価を行う。
その結果、予測ベースモデルの優越性は現実よりも明らかであり、ユビキタスではないことが明らかとなった。
我々は認知神経科学からRepresentational similarity Analysis(RSA)の方法論を借りて、分布モデルによって生成された意味空間を検査する。
論文 参考訳（メタデータ） (2021-05-20T15:18:06Z) - Interpretable Multi-dataset Evaluation for Named Entity Recognition [110.64368106131062]
本稿では,名前付きエンティティ認識(NER)タスクに対する一般的な評価手法を提案する。
提案手法は,モデルとデータセットの違いと,それらの間の相互作用を解釈することを可能にする。
分析ツールを利用可能にすることで、将来の研究者が同様の分析を実行し、この分野の進歩を促進することができる。
論文 参考訳（メタデータ） (2020-11-13T10:53:27Z) - Learning Similarity Metrics for Numerical Simulations [29.39625644221578]
本稿では,様々な数値シミュレーションソースから得られるデータを比較するため,安定かつ一般化された指標(LSiM)をニューラルネットワークで計算する手法を提案する。
提案手法は,計量の数学的性質を動機としたシームズネットワークアーキテクチャを用いている。
論文 参考訳（メタデータ） (2020-02-18T20:11:15Z)
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。