Fugu-MT 論文翻訳(概要): Class Cardinality Comparison as a Fermi Problem

論文の概要: Class Cardinality Comparison as a Fermi Problem

arxiv url: http://arxiv.org/abs/2303.04532v1
Date: Wed, 8 Mar 2023 12:04:16 GMT
ステータス: 処理完了
システム内更新日: 2023-03-09 14:13:24.251437
Title: Class Cardinality Comparison as a Fermi Problem
Title（参考訳）: フェルミ問題としてのクラス濃度比較
Authors: Shrestha Ghosh, Simon Razniewski, Gerhard Weikum
Abstract要約: 絶対基数に対して3つの情報源をタップすることで、クラス基数比較に関する問題に取り組む。より信頼性の高い推定のために、部分的カバレッジで信号の集約を行う新しい手法を提案する。 4005組のデータセットで評価し,83.7%の精度で評価した。
参考スコア（独自算出の注目度）: 32.43213645631101
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Questions on class cardinality comparisons are quite tricky to answer and come with its own challenges. They require some kind of reasoning since web documents and knowledge bases, indispensable sources of information, rarely store direct answers to questions, such as, ``Are there more astronauts or Physics Nobel Laureates?'' We tackle questions on class cardinality comparison by tapping into three sources for absolute cardinalities as well as the cardinalities of orthogonal subgroups of the classes. We propose novel techniques for aggregating signals with partial coverage for more reliable estimates and evaluate them on a dataset of 4005 class pairs, achieving an accuracy of 83.7%.
Abstract（参考訳）: クラス濃度比較に関する質問は、答えて独自の課題を持つのは非常に難しい。ウェブ文書や知識ベース、必須の情報ソースは、「宇宙飛行士やノーベル物理学賞受賞者が多いか?」といった質問に対して直接答えを格納することはめったにないため、ある種の推論を必要とする。より信頼性の高い推定のための部分的カバレッジを持つ信号を集約する新しい手法を提案し,その精度を83.7%とする4005組のデータセット上で評価する。

関連論文リスト

CardBench: A Benchmark for Learned Cardinality Estimation in Relational Databases [17.46316633654637]
データベースにおける高いクエリパフォーマンスを実現するには、心臓病推定が不可欠である。研究者が新しい学習アプローチによる進捗を評価することができるような、体系的なベンチマークやデータセットは存在しない。我々は,20の異なる実世界のデータベースに数千のクエリを格納したベンチマークを,学習された濃度推定のためにリリースした。
論文参考訳（メタデータ） (2024-08-28T23:25:25Z)
dlordinal: a Python package for deep ordinal classification [3.420642569478584]
dlordinalは、最近の多くのディープ順序分類方法論を統合する新しいPythonライブラリである。日常的な分類問題に対して、最先端のディープラーニング技術を実装している。
論文参考訳（メタデータ） (2024-07-24T11:07:20Z)
Regularization-Based Methods for Ordinal Quantification [49.606912965922504]
順序の場合、すなわち n>2 クラスの集合上で全順序が定義される場合について研究する。本稿では,従来のアルゴリズムよりも優れた正規化OQアルゴリズムを提案する。
論文参考訳（メタデータ） (2023-10-13T16:04:06Z)
A Survey of Methods for Handling Disk Data Imbalance [10.261915886145214]
本稿では、不均衡データ分類の分野における研究の概要について概観する。 Backblazeデータセットは、ハードディスクに関連する広く使用されているデータセットであり、少量の障害データと大量の健康データを持ち、深刻なクラス不均衡を示す。
論文参考訳（メタデータ） (2023-10-13T05:35:13Z)
Multi-Label Quantification [78.83284164605473]
定量化とは、教師なしデータサンプルにおいて、興味あるクラスの相対周波数の予測子を生成する教師付き学習課題である。本研究では,その相対頻度をより正確に予測するために,興味あるクラス間の依存関係を活用しようとするクラス有病率値の推定手法を提案する。
論文参考訳（メタデータ） (2022-11-15T11:29:59Z)
Distant finetuning with discourse relations for stance classification [55.131676584455306]
そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
論文参考訳（メタデータ） (2022-04-27T04:24:35Z)
Ordinal Causal Discovery [2.0305676256390934]
本稿では,多くの実世界のアプリケーションに含まれる順序情報を利用して,因果構造を一意に識別する,識別可能な順序因果探索手法を提案する。提案手法は, カテゴリー別および非カテゴリ別の両方において, 最先端の代替手法と比較して, 良好かつ堅牢な性能を有することを示す。
論文参考訳（メタデータ） (2022-01-19T03:11:26Z)
Cautious Active Clustering [79.23797234241471]
ユークリッド空間上の未知の確率測度からサンプリングされた点の分類の問題を考える。我々のアプローチは、未知の確率測度を、各クラスに対する条件付き確率の凸結合として考えることである。
論文参考訳（メタデータ） (2020-08-03T23:47:31Z)
A Systematic Evaluation: Fine-Grained CNN vs. Traditional CNN Classifiers [54.996358399108566]
本稿では,大規模分類データセット上でトップノーチ結果を示すランドマーク一般的なCNN分類器の性能について検討する。最先端のきめ細かい分類器と比較する。実験において, 粒度の細かい分類器がベースラインを高められるかどうかを判定するために, 6つのデータセットについて広範囲に評価する。
論文参考訳（メタデータ） (2020-03-24T23:49:14Z)
Nonlinear classifiers for ranking problems based on kernelized SVM [0.0]
多くの分類問題は、全てのサンプルではなく、最も関連性の高いサンプルのみの性能を最大化することに焦点を当てている。本稿では、これらの線形分類問題のいくつかのクラスを含む一般的な枠組みを導出する。問題を二元化し、カーネルを追加し、コンポーネントワイドのアセンジ法を提案する。
論文参考訳（メタデータ） (2020-02-26T12:37:11Z)

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。