論文の概要: Hierarchical Delay Attribution Classification using Unstructured Text in Train Management Systems

• arxiv url: http://arxiv.org/abs/2402.04108v1
• Date: Tue, 6 Feb 2024 16:02:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-07 14:04:33.565074
• Title: Hierarchical Delay Attribution Classification using Unstructured Text in Train Management Systems
• Title（参考訳）: 列車管理システムにおける非構造化テキストを用いた階層的遅延帰属分類
• Authors: Anton Borg, Per Lingvall, Martin Svensson
• Abstract要約: スウェーデンではスウェーデン運輸局が適切な遅延帰属コードを登録し、割り当てている。 この遅延帰属コードは、複雑なタスクである手動で割り当てられる。 本稿では,イベント記述に基づく遅延帰属符号の割り当てのための機械学習による意思決定支援について検討する。
• 参考スコア（独自算出の注目度）: 1.7034813545878587
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: EU directives stipulate a systematic follow-up of train delays. In Sweden, the Swedish Transport Administration registers and assigns an appropriate delay attribution code. However, this delay attribution code is assigned manually, which is a complex task. In this paper, a machine learning-based decision support for assigning delay attribution codes based on event descriptions is investigated. The text is transformed using TF-IDF, and two models, Random Forest and Support Vector Machine, are evaluated against a random uniform classifier and the classification performance of the Swedish Transport Administration. Further, the problem is modeled as both a hierarchical and flat approach. The results indicate that a hierarchical approach performs better than a flat approach. Both approaches perform better than the random uniform classifier but perform worse than the manual classification.
• Abstract（参考訳）: EU指令は、列車遅延の体系的なフォローアップを規定している。 スウェーデンではスウェーデン運輸局が適切な遅延帰属コードを登録し割り当てている。 しかし、この遅延帰属コードは手動で割り当てられ、これは複雑なタスクである。 本稿では,イベント記述に基づいて遅延帰属符号を割り当てる機械学習に基づく意思決定支援について検討する。 このテキストはtf-idfを用いて変換され、ランダムフォレストとサポートベクターマシンの2つのモデルがランダム一様分類器とスウェーデンの輸送管理の分類性能に対して評価される。 さらに、問題は階層的かつ平坦なアプローチとしてモデル化されている。 その結果,階層的アプローチはフラットアプローチよりも優れた性能を示す。 どちらのアプローチもランダムな一様分類器よりも優れているが、手動分類よりも悪い。

関連論文リスト

• Task-recency bias strikes back: Adapting covariances in Exemplar-Free Class Incremental Learning [0.3281128493853064]
  過去のデータにアクセスせずにタスクのシーケンス上でモデルをトレーニングする問題に対処する。 既存の方法は、特徴抽出器の潜在空間におけるガウス分布としてクラスを表す。 本稿では,タスクからタスクへ共分散行列を適用する新しい手法であるAdaGaussを提案する。
  論文  参考訳（メタデータ） (2024-09-26T20:18:14Z)
• Dynamic Perceiver for Efficient Visual Recognition [87.08210214417309]
  特徴抽出手順と早期分類タスクを分離する動的知覚器(Dyn-Perceiver)を提案する。 特徴ブランチは画像の特徴を抽出し、分類ブランチは分類タスクに割り当てられた遅延コードを処理する。 早期出口は分類枝に限られており、低レベルの特徴において線形分離性は不要である。
  論文  参考訳（メタデータ） (2023-06-20T03:00:22Z)
• Soft-Landing Strategy for Alleviating the Task Discrepancy Problem in Temporal Action Localization Tasks [46.94537691205153]
  我々は、事前訓練されたエンコーダと下流タスク間の転送可能性ギャップを埋めるためにSoLa戦略を導入する。 本手法は,タスクの不一致問題を計算効率で効果的に軽減する。
  論文  参考訳（メタデータ） (2022-11-11T06:27:22Z)
• Zero-Shot Temporal Action Detection via Vision-Language Prompting [134.26292288193298]
  視覚言語プロンプト(STALE)を用いた新しいゼロショット時間行動検出モデルを提案する。 我々のモデルは最先端の代替品を著しく上回っている。 我々のモデルは、近年の強力な競合相手よりも監督的TADにおいて優れた結果をもたらす。
  論文  参考訳（メタデータ） (2022-07-17T13:59:46Z)
• Semi-Supervised Temporal Action Detection with Proposal-Free Masking [134.26292288193298]
  PropOsal-free Temporal mask (SPOT) に基づく新しい半教師付き時間行動検出モデルを提案する。 SPOTは最先端の代替品よりも優れている。
  論文  参考訳（メタデータ） (2022-07-14T16:58:47Z)
• Fine-grained Temporal Contrastive Learning for Weakly-supervised Temporal Action Localization [87.47977407022492]
  本稿では,シーケンス・ツー・シーケンスの区別を文脈的に比較することで学習が,弱い教師付き行動の局所化に不可欠な帰納的バイアスをもたらすことを論じる。 微分可能な動的プログラミングの定式化の下では、FSD(Fen-fine Sequence Distance)とLCS(Longest Common Subsequence)の2つの相補的コントラストが設計されている。 提案手法は,2つのベンチマークにおいて最先端の性能を実現する。
  論文  参考訳（メタデータ） (2022-03-31T05:13:50Z)
• Label Hierarchy Transition: Delving into Class Hierarchies to Enhance Deep Classifiers [40.993137740456014]
  本稿では,階層型分類の課題に対処するために,ディープラーニングに基づく統一確率的フレームワークを提案する。 提案するフレームワークは、わずかに修正するだけで、既存のディープネットワークに容易に適応できる。 提案するLHTフレームワークを皮膚病変診断タスクに拡張し,コンピュータ支援診断におけるその大きな可能性を検証した。
  論文  参考訳（メタデータ） (2021-12-04T14:58:36Z)
• Binary Classification from Multiple Unlabeled Datasets via Surrogate Set Classification [94.55805516167369]
  我々は m 個の U 集合を $mge2$ で二進分類する新しい手法を提案する。 我々のキーとなる考え方は、サロゲート集合分類(SSC)と呼ばれる補助的分類タスクを考えることである。
  論文  参考訳（メタデータ） (2021-02-01T07:36:38Z)
• Rank over Class: The Untapped Potential of Ranking in Natural Language Processing [8.637110868126546]
  我々は、現在分類を用いて対処されている多くのタスクが、実際には分類モールドに切り替わっていると論じる。 本稿では,一対のテキストシーケンスの表現を生成するトランスフォーマーネットワークからなる新しいエンドツーエンドランキング手法を提案する。 重く歪んだ感情分析データセットの実験では、ランキング結果を分類ラベルに変換すると、最先端のテキスト分類よりも約22%改善する。
  論文  参考訳（メタデータ） (2020-09-10T22:18:57Z)
• Fine-Grained Visual Classification with Efficient End-to-end Localization [49.9887676289364]
  本稿では,エンド・ツー・エンドの設定において,分類ネットワークと融合可能な効率的なローカライゼーションモジュールを提案する。 我々は,CUB200-2011,Stanford Cars,FGVC-Aircraftの3つのベンチマークデータセット上で,新しいモデルを評価する。
  論文  参考訳（メタデータ） (2020-05-11T14:07:06Z)

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。