論文の概要: Few-Shot Multi-Label Aspect Category Detection Utilizing Prototypical
Network with Sentence-Level Weighting and Label Augmentation
- arxiv url: http://arxiv.org/abs/2309.15588v1
- Date: Wed, 27 Sep 2023 11:44:04 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-28 13:51:27.206738
- Title: Few-Shot Multi-Label Aspect Category Detection Utilizing Prototypical
Network with Sentence-Level Weighting and Label Augmentation
- Title（参考訳）: 文レベル重み付けとラベル拡張を用いたプロトタイプネットワークを用いたFew-Shot Multi-Label Aspect Category Detection
- Authors: Zeyu Wang, Mizuho Iwaihara
- Abstract要約: マルチラベルアスペクトカテゴリ検出は、与えられた文で発生する複数のアスペクトカテゴリを検出することを目的としている。
本稿では,各サポートセットインスタンスに対して,単語レベルでのノイズを軽減するために,拡張ラベル情報とともに,サポートセットの注意を喚起する。
文単位の注意機構を用いて,各インスタンスに異なる重みを与えることで,平均化によるプロトタイプの計算を行う。
- 参考スコア（独自算出の注目度）: 3.140750628178514
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: Multi-label aspect category detection is intended to detect multiple aspect
categories occurring in a given sentence. Since aspect category detection often
suffers from limited datasets and data sparsity, the prototypical network with
attention mechanisms has been applied for few-shot aspect category detection.
Nevertheless, most of the prototypical networks used so far calculate the
prototypes by taking the mean value of all the instances in the support set.
This seems to ignore the variations between instances in multi-label aspect
category detection. Also, several related works utilize label text information
to enhance the attention mechanism. However, the label text information is
often short and limited, and not specific enough to discern categories. In this
paper, we first introduce support set attention along with the augmented label
information to mitigate the noise at word-level for each support set instance.
Moreover, we use a sentence-level attention mechanism that gives different
weights to each instance in the support set in order to compute prototypes by
weighted averaging. Finally, the calculated prototypes are further used in
conjunction with query instances to compute query attention and thereby
eliminate noises from the query set. Experimental results on the Yelp dataset
show that our proposed method is useful and outperforms all baselines in four
different scenarios.
- Abstract（参考訳）: マルチラベルアスペクトカテゴリ検出は、与えられた文で発生する複数のアスペクトカテゴリを検出することを目的としている。
アスペクトカテゴリ検出は限られたデータセットとデータのスパーシティに苦しむことが多いため、少数のアスペクトカテゴリ検出には注意機構を備えたプロトタイプネットワークが適用されている。
それにもかかわらず、これまで使われたプロトタイプネットワークのほとんどは、サポートセット内のすべてのインスタンスの平均値を取ることでプロトタイプを計算する。
これはマルチラベルアスペクトカテゴリ検出におけるインスタンス間のバリエーションを無視しているようだ。
また、ラベルテキスト情報を利用して注意機構を強化する作品もいくつかある。
しかし、ラベルのテキスト情報は、しばしば短くて限定的であり、カテゴリを識別するのに十分なものではない。
本稿では,まず,サポートセットインスタンス毎に単語レベルの雑音を軽減するために,拡張ラベル情報と共にサポートセット注意を導入する。
さらに,重み付け平均化によってプロトタイプを計算するために,サポートセットの各インスタンスに異なる重みを与える文レベルの注意機構を用いる。
最後に、計算されたプロトタイプはクエリインスタンスと連携してクエリの注目度を計算し、クエリセットからのノイズを除去している。
Yelpデータセットの実験結果から,提案手法は有用であり,4つのシナリオですべてのベースラインを上回ります。
関連論文リスト
- Label-Driven Denoising Framework for Multi-Label Few-Shot Aspect
Category Detection [27.319209062256448]
本稿では,上記の問題に対処する新しいラベル駆動型Denoising Framework(LDF)を提案する。
我々のフレームワークは、他の最先端の手法よりも優れたパフォーマンスを実現している。
論文 参考訳（メタデータ） (2022-10-09T10:37:43Z) - Exploiting Unlabeled Data with Vision and Language Models for Object
Detection [64.94365501586118]
堅牢で汎用的なオブジェクト検出フレームワークを構築するには、より大きなラベルスペースとより大きなトレーニングデータセットへのスケーリングが必要である。
本稿では,近年の視覚と言語モデルで利用可能なリッチなセマンティクスを利用して,未ラベル画像中のオブジェクトのローカライズと分類を行う手法を提案する。
生成した擬似ラベルの価値を,オープン語彙検出と半教師付きオブジェクト検出の2つのタスクで示す。
論文 参考訳（メタデータ） (2022-07-18T21:47:15Z) - Label-enhanced Prototypical Network with Contrastive Learning for
Multi-label Few-shot Aspect Category Detection [17.228616743739412]
マルチラベルアスペクトカテゴリ検出は、与えられたレビュー文に複数のアスペクトカテゴリを含むことを可能にする。
複数ラベルの複数ショットのアスペクトカテゴリー検出のための新しいラベル強化ネットワーク(LPN)を提案する。
論文 参考訳（メタデータ） (2022-06-14T02:37:44Z) - Inferring Prototypes for Multi-Label Few-Shot Image Classification with
Word Vector Guided Attention [45.6809084493491]
ML-FSIC (Multi-label few-shot Image Classification) は、画像に記述ラベルを割り当てるタスクである。
本稿では,ラベルの意味に関する事前知識の形式として,単語埋め込みを提案する。
我々のモデルは、モデルパラメータを微調整することなく、未確認ラベルのプロトタイプを推測することができる。
論文 参考訳（メタデータ） (2021-12-02T07:59:11Z) - Out-of-Category Document Identification Using Target-Category Names as
Weak Supervision [64.671654559798]
Out-of-category Detection は、文書が不適格(またはターゲット)カテゴリと意味的関連性に応じて区別することを目的としている。
対象のカテゴリの1つに属する文書の信頼性を効果的に測定する,カテゴリ外検出フレームワークを提案する。
論文 参考訳（メタデータ） (2021-11-24T21:01:25Z) - Learning to Detect Instance-level Salient Objects Using Complementary
Image Labels [55.049347205603304]
本報告では,本問題に対する第1の弱教師付きアプローチを提案する。
本稿では,候補対象の特定にクラス整合性情報を活用するSaliency Detection Branch,オブジェクト境界をデライン化するためにクラス整合性情報を利用するBundary Detection Branch,サブティナイズ情報を用いたCentroid Detection Branchを提案する。
論文 参考訳（メタデータ） (2021-11-19T10:15:22Z) - Multi-Label Few-Shot Learning for Aspect Category Detection [23.92900196246631]
感情分析におけるアスペクトカテゴリー検出(ACD)は、文中のアスペクトカテゴリを特定することを目的としている。
既存の数発の学習アプローチは、主にシングルラベルの予測に焦点を当てている。
本稿では,プロトタイプネットワークに基づく複数ラベルの複数ショット学習手法を提案する。
論文 参考訳（メタデータ） (2021-05-29T01:56:11Z) - Hierarchical Representation based Query-Specific Prototypical Network
for Few-Shot Image Classification [5.861206243996454]
少数の画像分類は、少数のラベル付きトレーニングデータで見えないカテゴリを認識することを目的としています。
最近のメトリックベースのフレームワークは、固定されたプロトタイプ(例えば、サポートカテゴリの平均)でサポートクラスを表現し、クエリインスタンスとサポートプロトタイプの類似性に応じて分類する傾向にある。
本稿では,クエリサンプル毎に領域レベルのプロトタイプを生成することで,制約に対処するための階層表現型クエリ固有プロトタイプネットワーク(qpn)を提案する。
論文 参考訳（メタデータ） (2021-03-21T12:50:05Z) - Few-shot Learning for Multi-label Intent Detection [59.66787898744991]
State-of-the-art work estimates label-instancelevance scores and using threshold to select multiple associated intent labels。
2つのデータセットの実験により、提案モデルが1ショットと5ショットの両方の設定において強いベースラインを著しく上回ることが示された。
論文 参考訳（メタデータ） (2020-10-11T14:42:18Z) - Weakly-supervised Salient Instance Detection [65.0408760733005]
本報告では,本問題に対する第1の弱教師付きアプローチを提案する。
本稿では,候補対象の特定にクラス整合性情報を活用するSaliency Detection Branch,オブジェクト境界をデライン化するためにクラス整合性情報を利用するBundary Detection Branch,サブティナイズ情報を用いたCentroid Detection Branchを提案する。
論文 参考訳（メタデータ） (2020-09-29T09:47:23Z) - UniT: Unified Knowledge Transfer for Any-shot Object Detection and
Segmentation [52.487469544343305]
オブジェクト検出とセグメンテーションの方法は、トレーニングのための大規模インスタンスレベルのアノテーションに依存します。
本稿では,直感的かつ統一的な半教師付きモデルを提案する。
論文 参考訳（メタデータ） (2020-06-12T22:45:47Z)
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。