Fugu-MT 論文翻訳(概要): Methods for Matching English Language Addresses

論文の概要: Methods for Matching English Language Addresses

arxiv url: http://arxiv.org/abs/2403.12092v1
Date: Thu, 14 Mar 2024 10:39:14 GMT
ステータス: 処理完了
システム内更新日: 2024-03-20 18:51:33.919235
Title: Methods for Matching English Language Addresses
Title（参考訳）: 英語アドレスのマッチング方法
Authors: Keshav Ramani, Daniel Borrajo,
Abstract要約: 我々は、英語のアドレス対のマッチングとミスマッチを生成するためのフレームワークを形式化する。アドレスマッチングを自動的に行うための様々な手法を評価する。
参考スコア（独自算出の注目度）: 1.2930673139458417
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Addresses occupy a niche location within the landscape of textual data, due to the positional importance carried by every word, and the geographical scope it refers to. The task of matching addresses happens everyday and is present in various fields like mail redirection, entity resolution, etc. Our work defines, and formalizes a framework to generate matching and mismatching pairs of addresses in the English language, and use it to evaluate various methods to automatically perform address matching. These methods vary widely from distance based approaches to deep learning models. By studying the Precision, Recall and Accuracy metrics of these approaches, we obtain an understanding of the best suited method for this setting of the address matching task.
Abstract（参考訳）: アドレスは、すべての単語が持つ位置の重要性と、それが言及する地理的範囲のために、テキストデータのランドスケープ内のニッチな位置を占める。アドレスにマッチするタスクは毎日行われ、メールのリダイレクトやエンティティの解決など、さまざまな分野に存在している。我々の研究は、英語のアドレス対のマッチングとミスマッチを生成するためのフレームワークを定義し、形式化し、それを様々な手法の評価に利用し、自動的にアドレスマッチングを実行する。これらの手法は、深層学習モデルへの距離に基づくアプローチから大きく異なる。これらの手法の精度, リコール, 精度を調べた結果, アドレスマッチングタスクの設定に最適な手法の理解が得られた。

関連論文リスト

AddressCLIP: Empowering Vision-Language Models for City-wide Image Address Localization [57.34659640776723]
そこで我々は,より意味論的に問題を解決するために,AddressCLIPというエンドツーエンドのフレームワークを提案する。われわれはピッツバーグとサンフランシスコに3つのデータセットを構築した。
論文参考訳（メタデータ） (2024-07-11T03:18:53Z)
Improvement in Semantic Address Matching using Natural Language Processing [16.09672533759915]
アドレスマッチングは多くの企業にとって,特にデリバリや企業の取り出しにおいて重要なタスクです。既存のソリューションでは文字列の類似性を使用し、距離アルゴリズムを編集して、アドレスデータベースから類似したアドレスを見つける。本稿では,可能なアドレスのリストから特定のアドレスを検索できるセマンティックアドレスマッチング手法について論じる。
論文参考訳（メタデータ） (2024-04-17T18:42:36Z)
Address Matching Based On Hierarchical Information [7.860920215887625]
本稿では,ディープラーニング手法における階層情報を活用する新しい手法を提案する。実験の結果,提案手法は現在のアプローチを3.2%改善することがわかった。
論文参考訳（メタデータ） (2023-05-10T03:45:22Z)
Find a Way Forward: a Language-Guided Semantic Map Navigator [53.69229615952205]
本稿では,新たな視点で言語誘導ナビゲーションの問題に対処する。ロボットが自然言語の指示を実行し、地図観測に基づいて目標位置へ移動できるようにする。提案手法は特に長距離ナビゲーションの場合において顕著な性能向上をもたらす。
論文参考訳（メタデータ） (2022-03-07T07:40:33Z)
Multinational Address Parsing: A Zero-Shot Evaluation [0.3211619859724084]
アドレス解析は、通り名や郵便番号などのアドレスを構成するセグメントを識別する。ニューラルネットワークに関するこれまでの研究は、単一のソース国からのアドレスを解析することだけに重点を置いていた。本稿では,ある国の住所における深層学習モデルの訓練によって得られたアドレス解析知識を他国に移管する可能性について考察する。
論文参考訳（メタデータ） (2021-12-07T21:40:43Z)
Cross-domain Speech Recognition with Unsupervised Character-level Distribution Matching [60.8427677151492]
2つの領域における各文字間の微粒化適応を行うための文字レベルの分布マッチング手法であるCMatchを提案する。 Libri-Adaptデータセットを用いた実験の結果,提案手法はクロスデバイスとクロス環境の両方で14.39%,16.50%の単語誤り率(WER)を低減できることがわかった。
論文参考訳（メタデータ） (2021-04-15T14:36:54Z)
Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文参考訳（メタデータ） (2021-01-30T18:59:43Z)
SIRI: Spatial Relation Induced Network For Spatial Description Resolution [64.38872296406211]
言語誘導型ローカライゼーションのための新しい関係誘導型ネットワーク(SIRI)を提案する。提案手法は,80ピクセルの半径で測定した精度で,最先端手法よりも約24%優れていた。提案手法は,Touchdownと同じ設定で収集した拡張データセットをうまく一般化する。
論文参考訳（メタデータ） (2020-10-27T14:04:05Z)
Deep Contextual Embeddings for Address Classification in E-commerce [0.03222802562733786]
インドのような発展途上国のEコマース顧客は、発送先を入力している間、固定フォーマットに従わない傾向にある。アドレスの言語を理解することは必須であり、出荷を遅延なくルーティングできる。自然言語処理(NLP)の最近の進歩からモチベーションを導き,顧客アドレスを理解するための新しいアプローチを提案する。
論文参考訳（メタデータ） (2020-07-06T19:06:34Z)
Leveraging Subword Embeddings for Multinational Address Parsing [0.0764671395172401]
我々は、複数の国のアドレスを同時に解析できる単一のモデルを構築します。我々は,事前処理や後処理を必要とせず,訓練に使用する国で約99%のアキュラティを達成している。ゼロショット・トランスファー・ラーニング・セッティングにおいて、一部の国のアドレスのトレーニングによって得られたアドレス解析知識を、それ以上の訓練を受けずに他国に転送する可能性について検討する。
論文参考訳（メタデータ） (2020-06-29T16:14:27Z)
IMRAM: Iterative Matching with Recurrent Attention Memory for Cross-Modal Image-Text Retrieval [105.77562776008459]
既存の手法は、注意機構を利用して、そのような対応をきめ細かな方法で探索する。既存の手法でこのような高度な対応を最適に捉えるのは難しいかもしれない。本稿では,複数段階のアライメントで対応を捉えるIMRAM法を提案する。
論文参考訳（メタデータ） (2020-03-08T12:24:41Z)

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。