論文の概要: Towards a Unified Framework for Adaptable Problematic Content Detection via Continual Learning

• arxiv url: http://arxiv.org/abs/2309.16905v1
• Date: Fri, 29 Sep 2023 00:14:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-10-02 15:56:40.497340
• Title: Towards a Unified Framework for Adaptable Problematic Content Detection via Continual Learning
• Title（参考訳）: 連続学習による適応型問題コンテンツ検出のための統一フレームワーク
• Authors: Ali Omrani, Alireza S. Ziabari, Preni Golazizian, Jeffery Sorensen, Morteza Dehghani
• Abstract要約: 84以上のタスクを含む問題コンテンツ検出のための連続学習ベンチマークとフレームワークを提案する。 我々のベンチマークは、特定のタスクに優れるよりも進化するタスクへの分類器の適応性を優先することという、新しい進歩の尺度を作成する。 本研究のベースラインは,進化するコンテンツの獲得と,問題のあるコンテンツの新たな表現に適応する上で,継続的な学習の可能性を示すものである。
• 参考スコア（独自算出の注目度）: 2.0537388813843926
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Detecting problematic content, such as hate speech, is a multifaceted and ever-changing task, influenced by social dynamics, user populations, diversity of sources, and evolving language. There has been significant efforts, both in academia and in industry, to develop annotated resources that capture various aspects of problematic content. Due to researchers' diverse objectives, the annotations are inconsistent and hence, reports of progress on detection of problematic content are fragmented. This pattern is expected to persist unless we consolidate resources considering the dynamic nature of the problem. We propose integrating the available resources, and leveraging their dynamic nature to break this pattern. In this paper, we introduce a continual learning benchmark and framework for problematic content detection comprising over 84 related tasks encompassing 15 annotation schemas from 8 sources. Our benchmark creates a novel measure of progress: prioritizing the adaptability of classifiers to evolving tasks over excelling in specific tasks. To ensure the continuous relevance of our framework, we designed it so that new tasks can easily be integrated into the benchmark. Our baseline results demonstrate the potential of continual learning in capturing the evolving content and adapting to novel manifestations of problematic content.
• Abstract（参考訳）: ヘイトスピーチのような問題のあるコンテンツの検出は、社会的ダイナミクス、ユーザー人口、ソースの多様性、進化する言語の影響を受けて、多面的かつ絶え間なく変化するタスクである。 アカデミックと産業の両方において、問題のあるコンテンツの様々な側面を捉えた注釈付きリソースを開発するための重要な取り組みがあった。 研究者の多様な目的により、アノテーションは一貫性がなく、問題のあるコンテンツの検出が進んでいるという報告が断片化されている。 このパターンは、問題の動的性質を考慮して資源を集約しない限り継続することが期待される。 利用可能なリソースの統合を提案し、その動的性質を活用してこのパターンを破る。 本稿では,8つのソースから15のアノテーションスキーマを含む84以上の関連タスクを含む問題コンテンツ検出のための,連続学習ベンチマークとフレームワークを提案する。 我々のベンチマークは、特定のタスクに優れるよりも進化するタスクへの分類器の適応性を優先することという、新しい進歩の尺度を作成する。 フレームワークの継続的な関連性を保証するため、ベンチマークに新しいタスクを簡単に組み込めるように設計しました。 本研究のベースラインは,コンテンツの進化を捉え,問題のあるコンテンツの新たな表現に適応する上で,継続的な学習の可能性を示すものである。

関連論文リスト

• One-shot Imitation in a Non-Stationary Environment via Multi-Modal Skill [6.294766893350108]
  本稿では,ワンショット模倣とゼロショット適応が可能なスキルベース模倣学習フレームワークを提案する。 視覚言語モデルを利用して、オフラインのビデオデータセットから設定したセマンティックスキルを学習する。 拡張された多段階のメタワールドタスクに対して,様々なワンショットの模倣シナリオでフレームワークを評価した。
  論文  参考訳（メタデータ） (2024-02-13T11:01:52Z)
• Recent Advances in Hate Speech Moderation: Multimodality and the Role of Large Models [52.24001776263608]
  この包括的調査は、HSモデレーションの最近の歩みを掘り下げている。 大型言語モデル(LLM)と大規模マルチモーダルモデル(LMM)の急成長する役割を強調した。 研究における既存のギャップを、特に表現不足言語や文化の文脈で特定する。
  論文  参考訳（メタデータ） (2024-01-30T03:51:44Z)
• Learning to Learn for Few-shot Continual Active Learning [9.283518682371756]
  継続的な学習は、新しいドメインで可塑性を示しながら、以前見たタスクを解く際の安定性を確保するために努力する。 連続学習の最近の進歩は、特にNLPドメインにおいて、主に教師付き学習環境に限られている。 我々はメタラーニングを活用し,メタコンチネンタルアクティブラーニングと呼ばれる手法を提案する。
  論文  参考訳（メタデータ） (2023-11-07T05:22:11Z)
• On Task-personalized Multimodal Few-shot Learning for Visually-rich Document Entity Retrieval [59.25292920967197]
  VDER(Few-shot document entity search)は、NLPアプリケーションにおいて重要なトピックである。 FewVEXは、エンティティレベルの少数ショットVDERの分野における将来の研究を促進するための、新しいデータセットである。 本稿では,タスクパーソナライズを効果的に実現することを中心に,タスク認識型メタラーニングベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-11-01T17:51:43Z)
• Dynamic Dialogue Policy Transformer for Continual Reinforcement Learning [2.580163308334609]
  継続的な学習は人間の学習の鍵となる要素の1つであり、人工知能に必要な要件である。 連続学習モデルを評価するためのトレーニングプロトコル、ベースラインモデル、適切なメトリクスを備えたフレームワークを提供する。 本稿では,新しい知識をシームレスに統合できる新しい動的アーキテクチャである動的対話ポリシートランスフォーマー(DDPT)を提案する。
  論文  参考訳（メタデータ） (2022-04-12T16:30:40Z)
• Cross-Modal Generalization: Learning in Low Resource Modalities via Meta-Alignment [99.29153138760417]
  クロスモーダル一般化は、ターゲットのモダリティにおいて、新しいタスクを迅速に実行できるモデルを訓練する学習パラダイムである。 我々は、異なるソースとターゲットのモダリティに対して異なるエンコーダを使用しながら、モダリティをまたいだ一般化を確保するにはどうすればよいのかという重要な研究課題について研究する。 メタアライメント(メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライメント、メタアライ
  論文  参考訳（メタデータ） (2020-12-04T19:27:26Z)
• Positioning yourself in the maze of Neural Text Generation: A Task-Agnostic Survey [54.34370423151014]
  本稿では, ストーリーテリング, 要約, 翻訳など, 世代ごとのタスクインパクトをリレーする手法の構成要素について検討する。 本稿では,学習パラダイム,事前学習,モデリングアプローチ,復号化,各分野における重要な課題について,命令的手法の抽象化を提案する。
  論文  参考訳（メタデータ） (2020-10-14T17:54:42Z)
• Importance Weighted Policy Learning and Adaptation [89.46467771037054]
  政治外学習の最近の進歩の上に構築された,概念的にシンプルで,汎用的で,モジュール的な補完的アプローチについて検討する。 このフレームワークは確率論的推論文学のアイデアにインスパイアされ、堅牢な非政治学習と事前の行動を組み合わせる。 提案手法は,メタ強化学習ベースラインと比較して,ホールドアウトタスクにおける競合適応性能を実現し,複雑なスパース・リワードシナリオにスケールすることができる。
  論文  参考訳（メタデータ） (2020-09-10T14:16:58Z)
• Dynamic Feature Integration for Simultaneous Detection of Salient Object, Edge and Skeleton [108.01007935498104]
  本稿では,高次物体分割,エッジ検出,スケルトン抽出など,低レベルの3つの視覚問題を解く。 まず、これらのタスクで共有される類似点を示し、統一されたフレームワークの開発にどのように活用できるかを示す。
  論文  参考訳（メタデータ） (2020-04-18T11:10:11Z)

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。

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。