論文の概要: EDDA: A Encoder-Decoder Data Augmentation Framework for Zero-Shot Stance Detection
- arxiv url: http://arxiv.org/abs/2403.15715v1
- Date: Sat, 23 Mar 2024 04:29:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-26 21:22:21.764587
- Title: EDDA: A Encoder-Decoder Data Augmentation Framework for Zero-Shot Stance Detection
- Title(参考訳): EDDA: ゼロショットスタンス検出のためのエンコーダデコーダデータ拡張フレームワーク
- Authors: Daijun Ding, Li Dong, Zhichao Huang, Guangning Xu, Xu Huang, Bo Liu, Liwen Jing, Bowen Zhang,
- Abstract要約: スタンス検出は、与えられたターゲットに対してテキストで表現された姿勢を決定することを目的としている。
ZSSDの最近のデータ拡張技術は、ターゲット間の伝達可能な知識を増加させる。
本稿では,エンコーダとデコーダのデータ拡張フレームワークを提案する。
- 参考スコア(独自算出の注目度): 23.38633461323637
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Stance detection aims to determine the attitude expressed in text towards a given target. Zero-shot stance detection (ZSSD) has emerged to classify stances towards unseen targets during inference. Recent data augmentation techniques for ZSSD increase transferable knowledge between targets through text or target augmentation. However, these methods exhibit limitations. Target augmentation lacks logical connections between generated targets and source text, while text augmentation relies solely on training data, resulting in insufficient generalization. To address these issues, we propose an encoder-decoder data augmentation (EDDA) framework. The encoder leverages large language models and chain-of-thought prompting to summarize texts into target-specific if-then rationales, establishing logical relationships. The decoder generates new samples based on these expressions using a semantic correlation word replacement strategy to increase syntactic diversity. We also analyze the generated expressions to develop a rationale-enhanced network that fully utilizes the augmented data. Experiments on benchmark datasets demonstrate our approach substantially improves over state-of-the-art ZSSD techniques. The proposed EDDA framework increases semantic relevance and syntactic variety in augmented texts while enabling interpretable rationale-based learning.
- Abstract(参考訳): スタンス検出は、与えられたターゲットに対してテキストで表現された姿勢を決定することを目的としている。
ゼロショットスタンス検出(ZSSD)は、推論中に見えないターゲットに対するスタンスを分類するために現れた。
ZSSDの最近のデータ拡張技術は、テキストやターゲット拡張を通じて、ターゲット間の伝達可能な知識を増加させている。
しかし、これらの方法には限界がある。
ターゲット拡張は生成されたターゲットとソーステキストの間の論理的接続を欠いているが、テキスト拡張はトレーニングデータのみに依存しており、結果として一般化は不十分である。
これらの問題に対処するために,エンコーダ・デコーダデータ拡張(EDDA)フレームワークを提案する。
エンコーダは、大きな言語モデルとチェーン・オブ・思想を利用して、テキストをターゲット固有のif-then論理に要約し、論理的関係を確立する。
このデコーダは、意味的相関語置換戦略を用いて、これらの表現に基づいて新しいサンプルを生成し、構文的多様性を向上させる。
また、生成した表現を分析し、拡張データを完全に活用する有理拡張ネットワークを開発する。
ベンチマークデータセットの実験は、我々のアプローチが最先端のZSSD技術よりも大幅に改善されていることを示している。
EDDAフレームワークは,文の意味的関連性や構文的多様性を高めつつ,解釈可能な理性に基づく学習を可能にする。
関連論文リスト
- CoSD: Collaborative Stance Detection with Contrastive Heterogeneous Topic Graph Learning [18.75039816544345]
我々はCoSD(CoSD)と呼ばれる新しい協調姿勢検出フレームワークを提案する。
CoSDは、テキスト、トピック、スタンスラベル間のトピック認識のセマンティクスと協調的なシグナルを学ぶ。
2つのベンチマークデータセットの実験では、CoSDの最先端検出性能が示されている。
論文 参考訳(メタデータ) (2024-04-26T02:04:05Z) - Agent-driven Generative Semantic Communication for Remote Surveillance [57.335922373309074]
本稿では,強化学習に基づくエージェント駆動型ジェネリックセマンティックコミュニケーションフレームワークを提案する。
本研究では,知識に基づくソフトアクター批判アルゴリズムを利用したエージェント支援セマンティックエンコーダを提案する。
また,2つのモジュールからなる予測および生成機能を備えたセマンティックデコーダを設計する。
論文 参考訳(メタデータ) (2024-04-10T13:24:27Z) - IPAD: Iterative, Parallel, and Diffusion-based Network for Scene Text
Recognition [12.657177998736236]
多様な応用により、シーンテキスト認識がますます注目を集めている。
最先端のほとんどのメソッドは、アテンション機構を備えたエンコーダ・デコーダフレームワークを採用しており、左から右へ自動回帰的にテキストを生成する。
本稿では,並列かつ反復的なデコーダを用いて,簡単なデコード戦略を採用する方法を提案する。
論文 参考訳(メタデータ) (2023-12-19T08:03:19Z) - DiffuSIA: A Spiral Interaction Architecture for Encoder-Decoder Text
Diffusion [40.246665336996934]
エンコーダ-デコーダテキスト拡散(DiffuSIA)のためのスパイラル相互作用アーキテクチャを提案する。
DiffuSIAは、パラフレーズ、テキスト単純化、質問生成、オープンドメイン対話生成を含む4つのテキスト生成タスクで評価される。
論文 参考訳(メタデータ) (2023-05-19T08:30:11Z) - Cross-modality Data Augmentation for End-to-End Sign Language
Translation [71.31075396354406]
エンドツーエンド手話翻訳(SLT)は、手話動画を中間表現なしで直接音声言語テキストに変換することを目的としている。
本稿では,強力な光沢からテキストへの翻訳機能をエンドツーエンドの手話翻訳に変換するための,新しいクロスモダリティデータ拡張(XmDA)フレームワークを提案する。
XmDAは、クロスモダリティ混合とクロスモダリティ知識蒸留という2つの重要な構成要素から構成される。
論文 参考訳(メタデータ) (2023-05-18T16:34:18Z) - Implicit Counterfactual Data Augmentation for Deep Neural Networks [3.6397924689580745]
機械学習モデルは、非因果属性とクラスの間の急激な相関を捉える傾向にある。
本研究では,突発的相関を除去し,安定な予測を行う暗黙的対実データ拡張手法を提案する。
論文 参考訳(メタデータ) (2023-04-26T10:36:40Z) - Language-Driven Anchors for Zero-Shot Adversarial Robustness [25.160195547250655]
本稿では,言語駆動型アンカー型対外訓練戦略を提案する。
テキストエンコーダのセマンティック一貫性を活用することで、LAATは画像モデルの対角的堅牢性を高めることを目指している。
LAATは、最先端手法よりもゼロショット対逆ロバスト性を著しく向上することを示す。
論文 参考訳(メタデータ) (2023-01-30T17:34:43Z) - Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent
Semantic Communications [71.63189900803623]
創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。
ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
論文 参考訳(メタデータ) (2022-10-21T15:33:37Z) - CORE: A Retrieve-then-Edit Framework for Counterfactual Data Generation [91.16551253297588]
Counterfactual Generation via Retrieval and Editing (CORE) は、トレーニングのための多様な反事実摂動を生成するための検索強化された生成フレームワークである。
COREはまず、学習されたバイエンコーダを用いて、タスク関連未ラベルテキストコーパス上で密集した検索を行う。
COREはこれらを、反ファクト編集のために、数ショットの学習機能を備えた大規模な言語モデルへのプロンプトに組み込む。
論文 参考訳(メタデータ) (2022-10-10T17:45:38Z) - SDA: Improving Text Generation with Self Data Augmentation [88.24594090105899]
自動データ拡張のための自己模倣学習フェーズを組み込むことにより,標準最大確率推定(MLE)パラダイムを改善することを提案する。
既存の文レベルの拡張戦略とは異なり,本手法はより汎用的で,任意のMLEベースの訓練手順に容易に適応できる。
論文 参考訳(メタデータ) (2021-01-02T01:15:57Z) - CoDA: Contrast-enhanced and Diversity-promoting Data Augmentation for
Natural Language Understanding [67.61357003974153]
我々はCoDAと呼ばれる新しいデータ拡張フレームワークを提案する。
CoDAは、複数の変換を有機的に統合することで、多種多様な情報付加例を合成する。
すべてのデータサンプルのグローバルな関係を捉えるために、対照的な正則化の目的を導入する。
論文 参考訳(メタデータ) (2020-10-16T23:57:03Z)
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。