論文の概要: Semi-supervised News Discourse Profiling with Contrastive Learning
- arxiv url: http://arxiv.org/abs/2309.11692v1
- Date: Wed, 20 Sep 2023 23:51:34 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-22 17:21:41.840978
- Title: Semi-supervised News Discourse Profiling with Contrastive Learning
- Title(参考訳): コントラスト学習による半教師付きニュース談話プロファイリング
- Authors: Ming Li and Ruihong Huang
- Abstract要約: ニュース談話のプロファイリングは、ニュース記事において各文の出来事に関連した役割を精査しようとする。
本稿では,ニュース談話のプロファイリング課題に対処するために,ICLD (Intra-document Contrastive Learning with Distillation) と呼ばれる新しい手法を提案する。
- 参考スコア(独自算出の注目度): 27.28989421841165
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: News Discourse Profiling seeks to scrutinize the event-related role of each
sentence in a news article and has been proven useful across various downstream
applications. Specifically, within the context of a given news discourse, each
sentence is assigned to a pre-defined category contingent upon its depiction of
the news event structure. However, existing approaches suffer from an
inadequacy of available human-annotated data, due to the laborious and
time-intensive nature of generating discourse-level annotations. In this paper,
we present a novel approach, denoted as Intra-document Contrastive Learning
with Distillation (ICLD), for addressing the news discourse profiling task,
capitalizing on its unique structural characteristics. Notably, we are the
first to apply a semi-supervised methodology within this task paradigm, and
evaluation demonstrates the effectiveness of the presented approach.
- Abstract(参考訳): News Discourse Profilingは、ニュース記事の中で各文のイベント関連の役割を精査し、様々な下流アプリケーションで有用であることが証明されている。
具体的には、所定のニュース談話の文脈において、各文は、ニュースイベント構造の描写に基づいて予め定義されたカテゴリに割り当てられる。
しかし、既存のアプローチは、談話レベルのアノテーションを生成するのに手間がかかり、時間を要する性質のため、利用可能な人間の注釈データの不足に苦しめられている。
本稿では,その特異な構造的特徴を活かし,ニュース談話のプロファイリングタスクに取り組むための文書内コントラスト学習(icld)という新しい手法を提案する。
特に、私たちはこのタスクパラダイムに半教師ありの方法論を初めて適用し、評価が提案手法の有効性を示しています。
関連論文リスト
- Prompt-and-Align: Prompt-Based Social Alignment for Few-Shot Fake News
Detection [50.07850264495737]
プロンプト・アンド・アライン(Prompt-and-Align、P&A)は、数発のフェイクニュース検出のための新しいプロンプトベースのパラダイムである。
我々はP&Aが、数発のフェイクニュース検出性能をかなりのマージンで新たな最先端に設定していることを示す。
論文 参考訳(メタデータ) (2023-09-28T13:19:43Z) - Conflicts, Villains, Resolutions: Towards models of Narrative Media
Framing [19.589945994234075]
我々は、物語の要素を明示的に捉えたコミュニケーション科学から、広く使われているフレーミングの概念化を再考する。
我々は、複雑なアノテーションタスクをより単純なバイナリー質問に分解する効果的なアノテーションパラダイムを適用します。
教師付きおよび半教師付きアプローチによるフレームの自動マルチラベル予測について検討する。
論文 参考訳(メタデータ) (2023-06-03T08:50:13Z) - Multi-modal Prompting for Low-Shot Temporal Action Localization [95.19505874963751]
低ショット(ゼロショット・少数ショット)シナリオ下での時間的行動局所化の問題点を考察する。
クラスに依存しない2段階のアクションローカライズアーキテクチャをTransformerに導入し,その後にオープン語彙分類を行った。
論文 参考訳(メタデータ) (2023-03-21T10:40:13Z) - Detecting Textual Adversarial Examples Based on Distributional
Characteristics of Data Representations [11.93653349589025]
逆の例は、正しく分類された入力に小さな非ランダムな摂動を加えることで構成される。
自然言語タスクにおける敵対的攻撃へのアプローチは、文字レベル、単語レベル、フレーズレベルの摂動を用いて、過去5年間にブームとなった。
我々はこのギャップを埋めるために,NLPのための2つの新しいリアクティブ手法を提案する。
適応 LID と MDRE は、IMDB データセットに対する文字レベル、単語レベル、フレーズレベルの攻撃に対して、最先端の結果を得る。
論文 参考訳(メタデータ) (2022-04-29T02:32:02Z) - 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) - FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality
Assessment [93.09267863425492]
競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。
本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
論文 参考訳(メタデータ) (2022-04-07T17:59:32Z) - Corruption Is Not All Bad: Incorporating Discourse Structure into
Pre-training via Corruption for Essay Scoring [30.369858107620715]
本稿では,エッセイの談話構造をコヒーレンスと凝集の観点から捉えるための教師なし事前学習手法を提案する。
提案手法は,エッセイ評価課題における最先端の成果を実現する。
論文 参考訳(メタデータ) (2020-10-13T03:17:34Z) - Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
本稿では,OED(Ongoing Event Detection)タスクを紹介する。
目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。
構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
論文 参考訳(メタデータ) (2020-07-02T20:44:05Z) - Weakly-Supervised Multi-Level Attentional Reconstruction Network for
Grounding Textual Queries in Videos [73.4504252917816]
ビデオ中のテキストクエリを時間的にグラウンド化するタスクは、与えられたクエリに意味的に対応する1つのビデオセグメントをローカライズすることである。
既存のアプローチのほとんどは、トレーニングのためのセグメント-セマンスペア(時間アノテーション)に依存しており、通常は現実のシナリオでは利用できない。
トレーニング段階では,映像文ペアのみに依存するマルチレベル注意再構築ネットワーク(MARN)と呼ばれる,効果的な弱教師付きモデルを提案する。
論文 参考訳(メタデータ) (2020-03-16T07:01:01Z)
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。