論文の概要: Anchor Prediction: Automatic Refinement of Internet Links

• arxiv url: http://arxiv.org/abs/2305.14337v2
• Date: Wed, 24 May 2023 07:12:33 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-25 10:46:51.550587
• Title: Anchor Prediction: Automatic Refinement of Internet Links
• Title（参考訳）: アンカー予測:インターネットリンクの自動リファインメント
• Authors: Nelson F. Liu and Kenton Lee and Kristina Toutanova
• Abstract要約: 本稿では,アンカー予測の課題を紹介する。 目標は、リンクされたターゲットWebページの特定の部分を特定することであり、ソースリンクのコンテキストに最も関係している。 AuthorAnchorsデータセットは、自然にアンカーされたリンクの34Kのコレクションです。
• 参考スコア（独自算出の注目度）: 25.26235117917374
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Internet links enable users to deepen their understanding of a topic by providing convenient access to related information. However, the majority of links are unanchored -- they link to a target webpage as a whole, and readers may expend considerable effort localizing the specific parts of the target webpage that enrich their understanding of the link's source context. To help readers effectively find information in linked webpages, we introduce the task of anchor prediction, where the goal is to identify the specific part of the linked target webpage that is most related to the source linking context. We release the AuthorAnchors dataset, a collection of 34K naturally-occurring anchored links, which reflect relevance judgments by the authors of the source article. To model reader relevance judgments, we annotate and release ReaderAnchors, an evaluation set of anchors that readers find useful. Our analysis shows that effective anchor prediction often requires jointly reasoning over lengthy source and target webpages to determine their implicit relations and identify parts of the target webpage that are related but not redundant. We benchmark a performant T5-based ranking approach to establish baseline performance on the task, finding ample room for improvement.
• Abstract（参考訳）: インターネットリンクにより、ユーザーは関連する情報に便利なアクセスを提供することで、トピックの理解を深めることができる。 しかし、ほとんどのリンクは未登録であり、ターゲットWebページ全体をリンクしており、読者はリンクのソースコンテキストに対する理解を深めるターゲットWebページの特定の部分のローカライズにかなりの労力を費やす可能性がある。 本稿では,リンクされたWebページの情報を効果的に見つけるために,リンクされたターゲットWebページの特定の部分を特定することを目的として,アンカー予測のタスクを導入する。 我々は,ソース記事の著者による関連性判断を反映した34kのアンカーリンクのコレクションであるauthoranchorsデータセットをリリースする。 読者関連判断をモデル化するために、読者が有用なアンカーの評価セットであるReaderAnchorsを注釈してリリースする。 分析の結果、効果的なアンカー予測では、長いソースとターゲットwebページを同時に推論し、暗黙の関係を判断し、関連するが冗長ではないターゲットwebページの一部を特定することがしばしば求められている。 我々は、タスクのベースライン性能を確立するために、パフォーマンスの高いT5ベースのランキング手法をベンチマークし、改善の余地を十分に見つける。

関連論文リスト

• Auto-Intent: Automated Intent Discovery and Self-Exploration for Large Language Model Web Agents [68.22496852535937]
  本稿では,事前訓練された大規模言語モデル(LLM)を,直接微調整なしで対象ドメインのエージェントとして適用する手法であるAuto-Intentを紹介する。 提案手法はまず,対象領域の実証から意図を教師なしで発見する。 我々は、エージェントの過去の観察と行動から次の意図を予測するために、意図予測器を訓練する。
  論文  参考訳（メタデータ） (2024-10-29T21:37:04Z)
• Revisiting Link Prediction: A Data Perspective [59.296773787387224]
  グラフの基本的なタスクであるリンク予測は、友人の推薦、タンパク質分析、薬物相互作用予測など、様々な応用において不可欠であることが証明されている。 既存の文献の証拠は、すべてのデータセットに適した普遍的に最良のアルゴリズムが存在しないことを裏付けている。 我々は,局所的な構造的近接,大域的な構造的近接,特徴的近接という,リンク予測に不可欠な3つの基本的要因を認識する。
  論文  参考訳（メタデータ） (2023-10-01T21:09:59Z)
• Unsupervised Dense Retrieval Training with Web Anchors [29.44275536993025]
  我々は、アンカーテキストとリンクされた文書にマッチする対照的な学習タスクで、教師なしの密集型検索器、Anchor-DRを訓練する。 実験により、アンカーDRは、教師なし密集検索における最先端の手法よりも大きなマージンで優れていることが示された。 解析により,アンカー文書対のパターンが検索クエリ文書対のパターンと類似していることが明らかになった。
  論文  参考訳（メタデータ） (2023-05-10T01:46:17Z)
• Contextual information integration for stance detection via cross-attention [59.662413798388485]
  スタンス検出は、著者の目標に対する姿勢を特定することを扱う。 既存のスタンス検出モデルの多くは、関連するコンテキスト情報を考慮していないため、制限されている。 文脈情報をテキストとして統合する手法を提案する。
  論文  参考訳（メタデータ） (2022-11-03T15:04:29Z)
• Anchor Prediction: A Topic Modeling Approach [2.0411082897313984]
  我々はアノテーションを提案し、これをアンカー予測と呼ぶ。 ソースドキュメントとターゲットドキュメントが与えられた場合、このタスクはソースドキュメント内のアンカーを自動的に識別する。 本稿では,文書間のリンクをモデル化するコンテキスト型関係トピックモデルCRTMを提案する。
  論文  参考訳（メタデータ） (2022-05-29T11:26:52Z)
• Target-aware Abstractive Related Work Generation with Contrastive Learning [48.02845973891943]
  関連作業部は学術論文の重要な構成要素であり、参考論文の文脈における対象論文の貢献を強調している。 既存の作業部生成手法の多くは、既成の文章を抽出することに依存している。 本稿では,新たな文からなる関連作業区間を生成できる抽象的目標認識関連作業生成装置(TAG)を提案する。
  論文  参考訳（メタデータ） (2022-05-26T13:20:51Z)
• Personalized multi-faceted trust modeling to determine trust links in social media and its potential for misinformation management [61.88858330222619]
  ソーシャルメディアにおけるピア間の信頼関係を予測するためのアプローチを提案する。 本稿では,データ駆動型多面信頼モデルを提案する。 信頼を意識したアイテムレコメンデーションタスクで説明され、提案したフレームワークを大規模なYelpデータセットのコンテキストで評価する。
  論文  参考訳（メタデータ） (2021-11-11T19:40:51Z)
• Prediction of new outlinks for focused Web crawling [0.0]
  この研究は、短い履歴を用いて、新しいリンクを効果的に検出するための方法論を提供する。 リンク変更率、新しいリンクの存在、新しいリンク数という3つのターゲットに対する統計モデルを提供する。 注目すべき発見は、ターゲットページの履歴が利用できない場合、我々の新機能は、関連するページの履歴を表すもので、ターゲットページの新規リンクに対して最も予測的であることである。
  論文  参考訳（メタデータ） (2021-11-09T11:36:21Z)
• Assessing the quality of sources in Wikidata across languages: a hybrid approach [64.05097584373979]
  いくつかの言語でラベルを持つWikidataのトリプルからサンプルした参照コーパスの大規模なコーパスを評価するために,一連のマイクロタスク実験を実施している。 クラウドソースアセスメントの統合されたバージョンを使用して、いくつかの機械学習モデルをトレーニングして、Wikidata全体の分析をスケールアップしています。 この結果はWikidataにおける参照の質の確認に役立ち、ユーザ生成多言語構造化データの品質をWeb上で定義し、取得する際の共通の課題を特定するのに役立ちます。
  論文  参考訳（メタデータ） (2021-09-20T10:06:46Z)
• A Multilingual Entity Linking System for Wikipedia with a Machine-in-the-Loop Approach [2.2889152373118975]
  ウィキペディアの編集者によるコンテンツの追加とメンテナンスの努力にもかかわらず、多くの言語版ではリンクの配布は少ないままである。 本稿では,リンクを付加するためのコミュニティガイドラインに従うことのできる,ループ内のマシン・イン・ザ・ループ・エンティティ・リンクシステムを提案する。 筆者らは,推薦の確認,拒否,適応が可能な編集者への候補リンクを提案する対話型レコメンデーションインタフェースを開発した。
  論文  参考訳（メタデータ） (2021-05-31T16:29:42Z)
• Predicting Links on Wikipedia with Anchor Text Information [0.571097144710995]
  英語ウィキペディアのいくつかのサブセットにおけるリンク予測の帰納的タスクと帰納的タスクについて検討する。 本稿では,適切な評価サンプリング手法を提案し,いくつかのアルゴリズムを比較した。
  論文  参考訳（メタデータ） (2021-05-25T07:57:57Z)

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。