論文の概要: Mixtures of Unsupervised Lexicon Classification

• arxiv url: http://arxiv.org/abs/2405.17116v1
• Date: Mon, 27 May 2024 12:33:47 GMT
• ステータス: 処理完了
• システム内更新日: 2024-05-28 15:22:54.670040
• Title: Mixtures of Unsupervised Lexicon Classification
• Title（参考訳）: 教師なし辞書分類の混合
• Authors: Peratham Wiriyathammabhum,
• Abstract要約: 本稿では,ディリクレプロセスの組み込みによる,モーメント・オブ・モーメント・アン教師付き語彙分類の混合バージョンを提案する。 本稿では,モーメント・アン教師付き辞書分類法とディリクレ法を組み合わせる。
• 参考スコア（独自算出の注目度）: 3.2634122554914002
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: This paper presents a mixture version of the method-of-moment unsupervised lexicon classification by an incorporation of a Dirichlet process.
• Abstract（参考訳）: 本稿では,ディリクレプロセスの組み込みによる,モーメント・オブ・モーメント・アン教師付き語彙分類の混合バージョンを提案する。

関連論文リスト

• Hierarchical mixture of discriminative Generalized Dirichlet classifiers [1.7955614278088239]
  本稿では,合成データに対する識別分類器を提案する。 一般化ディリクレ混合物の上界を導出した変分近似を用いる。 スパム検出と色空間同定のための実験結果が提示された。
  論文  参考訳（メタデータ） (2024-05-02T23:32:22Z)
• Classification with Incoherent Kernel Dictionary Learning [3.1981440103815717]
  辞書学習(DL)に基づく新しい分類法を提案する。 主なコントリビューションは、標準線形のDLから派生した非コヒーレントDLのカーネルバージョンである。 また,表現更新に関するAK-SVDアルゴリズムの改良も提案する。
  論文  参考訳（メタデータ） (2023-07-17T19:27:32Z)
• Unsupervised Lexical Substitution with Decontextualised Embeddings [48.00929769805882]
  事前学習された言語モデルを用いた語彙置換の新しい教師なし手法を提案する。 本手法は,文脈的および非文脈的単語埋め込みの類似性に基づいて代用語を検索する。 我々は、英語とイタリア語で実験を行い、我々の手法が強いベースラインを大幅に上回っていることを示す。
  論文  参考訳（メタデータ） (2022-09-17T03:51:47Z)
• A Proposition-Level Clustering Approach for Multi-Document Summarization [82.4616498914049]
  クラスタリングアプローチを再検討し、より正確な情報アライメントの提案をグループ化します。 提案手法は,有意な命題を検出し,それらをパラフラスティックなクラスタに分類し,その命題を融合して各クラスタの代表文を生成する。 DUC 2004 とTAC 2011 データセットでは,従来の最先端 MDS 法よりも要約法が優れている。
  論文  参考訳（メタデータ） (2021-12-16T10:34:22Z)
• LexSubCon: Integrating Knowledge from Lexical Resources into Contextual Embeddings for Lexical Substitution [76.615287796753]
  本稿では,コンテキスト埋め込みモデルに基づくエンドツーエンドの語彙置換フレームワークであるLexSubConを紹介する。 これは文脈情報と構造化語彙資源からの知識を組み合わせることで達成される。 我々の実験によると、LexSubConはLS07とCoInCoベンチマークデータセットで従来の最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2021-07-11T21:25:56Z)
• Quantitative Evaluation of Alternative Translations in a Corpus of Highly Dissimilar Finnish Paraphrases [1.8748036062767652]
  本稿では,最近リリースされたフィンランド語パラフレーズコーパスにおける代替翻訳の違いを定量的に評価する。 体系的な変動を検出する一連の自動ステップと手動分析を組み合わせることで、規則性を明らかにし、翻訳の違いのカテゴリを識別する。
  論文  参考訳（メタデータ） (2021-05-06T07:22:16Z)
• Estimating Mixed-Memberships Using the Symmetric Laplacian Inverse Matrix [0.4972323953932129]
  Mixed-SLIMは、対称性を持つラプラシア逆行列のスペクトルクラスタリング法である。 提案したアルゴリズムとその正規化バージョンについて,軽度条件下での予測誤差に関する理論的バウンダリを提供する。 これらのMixed-SLIM法は,コミュニティ検出と混合コミュニティ検出の両問題に対して,シミュレーションにおける最先端の手法および有意な経験的データセットよりも優れていた。
  論文  参考訳（メタデータ） (2020-12-17T13:19:06Z)
• Knowledge-Based Construction of Confusion Matrices for Multi-Label Classification Algorithms using Semantic Similarity Measures [4.38301148531795]
  本研究では,予測ラベルを多ラベル分類において予測ラベルと整合させる新しい手法を定義する。 マルチラベル分類アルゴリズムをより効果的に評価するために,高精度な乱雑行列を生成する手法を開発した。
  論文  参考訳（メタデータ） (2020-10-30T21:18:19Z)
• Robust Imitation Learning from Noisy Demonstrations [81.67837507534001]
  我々は,対称的損失を伴う分類リスクを最適化することにより,ロバストな模倣学習を実現することができることを示す。 擬似ラベルと協調学習を効果的に組み合わせた新しい模倣学習法を提案する。 連続制御ベンチマークによる実験結果から,本手法は最先端手法よりも頑健であることがわかった。
  論文  参考訳（メタデータ） (2020-10-20T10:41:37Z)
• Coherent Hierarchical Multi-Label Classification Networks [56.41950277906307]
  C-HMCNN(h)はHMC問題に対する新しいアプローチであり、階層情報を利用して制約に整合した予測を生成し、性能を向上させる。 最先端モデルと比較してC-HMCNN(h)の優れた性能を示す広範囲な実験的検討を行った。
  論文  参考訳（メタデータ） (2020-10-20T09:37:02Z)
• Progressive Cluster Purification for Unsupervised Feature Learning [48.87365358296371]
  教師なしの特徴学習では、サンプル特異性に基づく手法はクラス間の情報を無視する。 本稿では,プログレッシブクラスタ形成時にクラス不整合サンプルを除外するクラスタリングに基づく新しい手法を提案する。 我々の手法は、プログレッシブ・クラスタ・パーフィケーション(PCP)と呼ばれ、訓練中に徐々にクラスタ数を減らし、プログレッシブ・クラスタリングを実装している。
  論文  参考訳（メタデータ） (2020-07-06T08:11:03Z)

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。