論文の概要: Fraunhofer SIT at CheckThat! 2023: Tackling Classification Uncertainty Using Model Souping on the Example of Check-Worthiness Classification

• arxiv url: http://arxiv.org/abs/2307.02377v2
• Date: Thu, 27 Jul 2023 14:43:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 19:19:45.441979
• Title: Fraunhofer SIT at CheckThat! 2023: Tackling Classification Uncertainty Using Model Souping on the Example of Check-Worthiness Classification
• Title（参考訳）: Fraunhofer SIT at CheckThat! 2023:チェックウエア分類の例に基づくモデルソープによる不確かさの対応
• Authors: Raphael Frick, Inna Vogel, and Jeong-Eun Choi
• Abstract要約: 本稿では,Fraunhofer SITチームが開発したCLEF-2023 CheckThat! Lab Task 1B for Englishについて述べる。 政治的議論のテキストスニペットが与えられた場合、このタスクの目的は、チェックしやすさを評価すべきかどうかを判断することである。
• 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: This paper describes the second-placed approach developed by the Fraunhofer SIT team in the CLEF-2023 CheckThat! lab Task 1B for English. Given a text snippet from a political debate, the aim of this task is to determine whether it should be assessed for check-worthiness. Detecting check-worthy statements aims to facilitate manual fact-checking efforts by prioritizing the claims that fact-checkers should consider first. It can also be considered as primary step of a fact-checking system. Our best-performing method took advantage of an ensemble classification scheme centered on Model Souping. When applied to the English data set, our submitted model achieved an overall F1 score of 0.878 and was ranked as the second-best model in the competition.
• Abstract（参考訳）: 本稿では,Fraunhofer SITチームが開発したCLEF-2023 CheckThat! Lab Task 1B for Englishについて述べる。 政治的議論から引用されたテキストスニペットを考えると、このタスクの目的はチェックの妥当性を評価するかどうかを判断することである。 チェック可能なステートメントの検出は、ファクトチェックが最初に考慮すべきクレームを優先順位付けすることで、手動のファクトチェック作業を促進することを目的としている。 また、ファクトチェックシステムの第一段階と見なすこともできる。 提案手法は,モデルスープを中心としたアンサンブル分類方式を活用した。 提案モデルは, 英語データセットに適用すると, f1総合得点0.878点を達成し, コンペティションにおいて2位にランクインした。

関連論文リスト

• Ta'keed: The First Generative Fact-Checking System for Arabic Claims [0.0]
  本稿では,アラビア語の自動ファクトチェックシステムであるTa'keedを紹介する。 タケドは、特にアラビア語で、主張の信頼性に関する説明を生成する。 このシステムは、分類タスクで有望なF1スコア0.72を達成した。
  論文  参考訳（メタデータ） (2024-01-25T10:43:00Z)
• JutePestDetect: An Intelligent Approach for Jute Pest Identification Using Fine-Tuned Transfer Learning [0.0]
  アジアの一部の国では、Juteは害虫の寄生する傾向があり、一般的にバングラデシュ、インド、ミャンマー、中国などの国で識別される。 本研究では,早期にジュト害虫を同定するために,高性能かつレジリエントな転写学習(TL)に基づくJutePestDetectモデルを提案する。
  論文  参考訳（メタデータ） (2023-05-28T15:51:35Z)
• Controlling Formality in Low-Resource NMT with Domain Adaptation and Re-Ranking: SLT-CDT-UoS at IWSLT2022 [4.348327991071386]
  本稿では,SLT-CDT-UoSグループによる音声言語翻訳のための形式制御特別課題への提出について述べる。 私たちの取り組みは、データエンジニアリングと、最適な仮説選択のための目的関数の変更の2つの面で分割されました。 英語とドイツ語とスペイン語の試験セットでは、制約された設定では平均精度.935、制約のない設定では.995を達成しました。
  論文  参考訳（メタデータ） (2022-05-12T09:54:17Z)
• Using Sampling to Estimate and Improve Performance of Automated Scoring Systems with Guarantees [63.62448343531963]
  本稿では,既存のパラダイムを組み合わせることで,人間が知能的に収集する応答をサンプリングする手法を提案する。 比較的少ない予算で精度(平均19.80%)と二次重み付きカッパ(平均25.60%)の顕著な増加を観察した。
  論文  参考訳（メタデータ） (2021-11-17T05:00:51Z)
• Overview of the CLEF-2019 CheckThat!: Automatic Identification and Verification of Claims [26.96108180116284]
  CheckThat!ラボでは、英語とアラビア語の2つの異なる言語で2つのタスクをこなした。 Task 1の最も成功したアプローチは、さまざまなニューラルネットワークとロジスティック回帰を使用した。 ラーニング・トゥ・ランクは、サブタスクAの最高スコアランで使用された。
  論文  参考訳（メタデータ） (2021-09-25T16:08:09Z)
• Two-Stream Consensus Network: Submission to HACS Challenge 2021 Weakly-Supervised Learning Track [78.64815984927425]
  弱い監督による時間的行動ローカライゼーションの目標は、ビデオの興味ある動作を時間的に特定し、分類することである。 この課題では,2ストリームコンセンサスネットワーク(TSCN)を主要なフレームワークとして採用しています。 この課題では,本手法が今後の学術研究のベースラインとなることを期待して,第2位にランクインした。
  論文  参考訳（メタデータ） (2021-06-21T03:36:36Z)
• Generalized Focal Loss: Learning Qualified and Distributed Bounding Boxes for Dense Object Detection [85.53263670166304]
  一段検出器は基本的に、物体検出を密度の高い分類と位置化として定式化する。 1段検出器の最近の傾向は、局所化の質を推定するために個別の予測分岐を導入することである。 本稿では, 上記の3つの基本要素, 品質推定, 分類, ローカライゼーションについて述べる。
  論文  参考訳（メタデータ） (2020-06-08T07:24:33Z)
• L2R2: Leveraging Ranking for Abductive Reasoning [65.40375542988416]
  学習システムの帰納的推論能力を評価するために,帰納的自然言語推論タスク(alpha$NLI)を提案する。 新たな$L2R2$アプローチは、Learning-to-rankフレームワークの下で提案されている。 ARTデータセットの実験は、公開リーダボードの最先端に到達します。
  論文  参考訳（メタデータ） (2020-05-22T15:01:23Z)
• Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
  事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。 そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。 提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
  論文  参考訳（メタデータ） (2020-04-29T10:54:40Z)
• Claim Check-Worthiness Detection as Positive Unlabelled Learning [53.24606510691877]
  クレームチェックの信頼性検出はファクトチェックシステムにおいて重要な要素である。 これらの課題の根底にあるクレームチェックの信頼性検出における中心的な課題を照明する。 我々の最良の手法は、正の非競合学習の変種を用いて、これを自動的に修正する統一的なアプローチである。
  論文  参考訳（メタデータ） (2020-03-05T16:06:07Z)

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。