論文の概要: News Signals: An NLP Library for Text and Time Series

• arxiv url: http://arxiv.org/abs/2312.11399v1
• Date: Mon, 18 Dec 2023 18:02:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-20 19:07:38.456110
• Title: News Signals: An NLP Library for Text and Time Series
• Title（参考訳）: News Signals: テキストと時系列のためのNLPライブラリ
• Authors: Chris Hokamp and Demian Gholipour Ghalandari and Parsa Ghaffari
• Abstract要約: News Signalsは、入力がテキストデータのクラスタであるデータセットの構築と使用のためのオープンソースのライブラリである。 時系列の振る舞いの予測に関連する多様なデータサイエンスとNLP問題設定をサポートする。
• 参考スコア（独自算出の注目度）: 3.850666668546735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present an open-source Python library for building and using datasets where inputs are clusters of textual data, and outputs are sequences of real values representing one or more time series signals. The news-signals library supports diverse data science and NLP problem settings related to the prediction of time series behaviour using textual data feeds. For example, in the news domain, inputs are document clusters corresponding to daily news articles about a particular entity, and targets are explicitly associated real-valued time series: the volume of news about a particular person or company, or the number of pageviews of specific Wikimedia pages. Despite many industry and research use cases for this class of problem settings, to the best of our knowledge, News Signals is the only open-source library designed specifically to facilitate data science and research settings with natural language inputs and time series targets. In addition to the core codebase for building and interacting with datasets, we also conduct a suite of experiments using several popular Machine Learning libraries, which are used to establish baselines for time series anomaly prediction using textual inputs.
• Abstract（参考訳）: 入力をテキストデータのクラスタとし,出力を1つ以上の時系列信号を表す実値列とする,データセットの構築と使用のためのオープンソースのPythonライブラリを提案する。 ニュース署名ライブラリは、テキストデータフィードを使用した時系列行動の予測に関連する多様なデータサイエンスとNLP問題設定をサポートする。 例えば、ニュースドメインでは、入力は特定のエンティティに関する日々のニュース記事に対応する文書クラスタであり、ターゲットは明確に関連づけられた実数値の時系列である:特定の人や企業に関するニュースの量、特定のウィキメディアページのページビューの数。 このタイプの問題設定の多くの業界や研究のユースケースにもかかわらず、news signalsは、自然言語入力と時系列ターゲットによるデータサイエンスや研究設定を促進するために特別に設計された唯一のオープンソースライブラリです。 データセットの構築とインタラクションのためのコアコードベースに加えて,テキスト入力を用いた時系列異常予測のベースラインを確立するために,一般的な機械学習ライブラリを使用した一連の実験も実施しています。

関連論文リスト

• A Novel Cartography-Based Curriculum Learning Method Applied on RoNLI: The First Romanian Natural Language Inference Corpus [71.77214818319054]
  自然言語推論は自然言語理解のプロキシである。 ルーマニア語のNLIコーパスは公開されていない。 58Kの訓練文対からなるルーマニア初のNLIコーパス(RoNLI)を紹介する。
  論文  参考訳（メタデータ） (2024-05-20T08:41:15Z)
• A Comprehensive Python Library for Deep Learning-Based Event Detection in Multivariate Time Series Data and Information Retrieval in NLP [0.0]
  時系列データ中の事象を検出するための新しいディープラーニング制御手法を提案する。 これは二項分類ではなく回帰に基づく。 ラベル付きデータセットは必要とせず、各ポイントにラベルが付けられている。 時間ポイントや時間間隔として定義された参照イベントのみを必要とする。
  論文  参考訳（メタデータ） (2023-10-25T09:13:19Z)
• TemporAI: Facilitating Machine Learning Innovation in Time Domain Tasks for Medicine [91.3755431537592]
  TemporAIは、機械学習(ML)タスクのためのオープンソースのPythonソフトウェアライブラリである。 時系列、静的、イベントモダリティのデータをサポートし、予測、因果推論、時間対イベント分析のためのインターフェースを提供する。
  論文  参考訳（メタデータ） (2023-01-28T17:57:53Z)
• PyRelationAL: A Library for Active Learning Research and Development [0.11545092788508224]
  PyRelationALは、アクティブラーニング(AL)研究のためのオープンソースライブラリである。 既存の文献に基づいたベンチマークデータセットとALタスク設定へのアクセスを提供する。 我々は、ベンチマークデータセットのPyRelationALコレクションの実験を行い、ALが提供できる相当な経済状況を示す。
  論文  参考訳（メタデータ） (2022-05-23T08:21:21Z)
• SCROLLS: Standardized CompaRison Over Long Language Sequences [62.574959194373264]
  SCROLLSは長いテキストに対する推論を必要とするタスクのスイートである。 SCROLLSには要約、質問応答、自然言語推論タスクが含まれる。 すべてのデータセットを統一されたテキスト・ツー・テキスト形式で利用可能にし、モデルアーキテクチャと事前学習方法の研究を容易にするために、ライブのリーダーボードをホストします。
  論文  参考訳（メタデータ） (2022-01-10T18:47:15Z)
• Benchmarking Multimodal AutoML for Tabular Data with Text Fields [83.43249184357053]
  テキストフィールドを含む18個のマルチモーダルデータテーブルを組み立てる。 このベンチマークにより、研究者は、数値的、分類的、テキスト的特徴を用いて教師あり学習を行うための独自の方法を評価することができる。
  論文  参考訳（メタデータ） (2021-11-04T09:29:16Z)
• 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)
• Datasets: A Community Library for Natural Language Processing [55.48866401721244]
  データセットは、現代のNLPのためのコミュニティライブラリである。 このライブラリには650以上のユニークなデータセットが含まれており、250以上のコントリビュータを抱えており、さまざまな新しいクロスデータセット研究プロジェクトを支援している。
  論文  参考訳（メタデータ） (2021-09-07T03:59:22Z)
• A Framework for Neural Topic Modeling of Text Corpora [6.340447411058068]
  テキストの特徴を抽出し,組み込むための効率的なメカニズムを実現するためのオープンソースフレームワークであるFAMEを紹介した。 本ライブラリの有効性を示すために,よく知られたNews-Groupデータセットの実験を行った。
  論文  参考訳（メタデータ） (2021-08-19T23:32:38Z)
• Documenting the English Colossal Clean Crawled Corpus [28.008953329187648]
  この作業は、Common Crawlの単一のスナップショットにフィルターのセットを適用することによって作成されたデータセットであるColossal Clean Crawled Corpus(C4; Raffel et al., 2020)の最初のドキュメントを提供します。 まず、テキストがどこから来ていつ書き込まれたかの分布を含む、データのハイレベルな要約から始めます。 次に、最も頻繁なテキストソースを含む、このデータの突出した部分に関するより詳細な分析を行う。
  論文  参考訳（メタデータ） (2021-04-18T07:42:52Z)

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。