Fugu-MT 論文翻訳(概要): Unsupervised Domain Adaptation for Keyphrase Generation using Citation Contexts

論文の概要: Unsupervised Domain Adaptation for Keyphrase Generation using Citation Contexts

arxiv url: http://arxiv.org/abs/2409.13266v2
Date: Wed, 2 Oct 2024 01:11:59 GMT
ステータス: 処理完了
システム内更新日: 2024-11-07 07:51:11.405794
Title: Unsupervised Domain Adaptation for Keyphrase Generation using Citation Contexts
Title（参考訳）: Citation Contexts を用いたキーフレーズ生成のための教師なしドメイン適応
Authors: Florian Boudin, Akiko Aizawa,
Abstract要約: キーフレーズ生成モデルを新しいドメインに適応させるには、通常、ドメイン内のラベル付きデータによる微調整をほとんど必要としない。そこで本論文では,銀標準キーフレーズを引用文脈から抽出し,ドメイン適応のための合成ラベル付きデータを生成することにより,この問題に対処するための教師なし手法である絹について述べる。
参考スコア（独自算出の注目度）: 33.04325179283727
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Adapting keyphrase generation models to new domains typically involves few-shot fine-tuning with in-domain labeled data. However, annotating documents with keyphrases is often prohibitively expensive and impractical, requiring expert annotators. This paper presents silk, an unsupervised method designed to address this issue by extracting silver-standard keyphrases from citation contexts to create synthetic labeled data for domain adaptation. Extensive experiments across three distinct domains demonstrate that our method yields high-quality synthetic samples, resulting in significant and consistent improvements in in-domain performance over strong baselines.
Abstract（参考訳）: キーフレーズ生成モデルを新しいドメインに適応させるには、通常、ドメイン内のラベル付きデータによる微調整をほとんど必要としない。しかし、キーフレーズによる注釈付けは、しばしば高額で非現実的であり、専門家のアノテータを必要としている。そこで本論文では,銀標準キーフレーズを引用文脈から抽出し,ドメイン適応のための合成ラベル付きデータを生成することにより,この問題に対処するための教師なし手法である絹について述べる。 3つの異なる領域にまたがる大規模な実験により,本手法は高品質な合成サンプルが得られ,その結果,強いベースラインよりもドメイン内性能が著しく,一貫した改善がもたらされた。

関連論文リスト

Self-Compositional Data Augmentation for Scientific Keyphrase Generation [28.912937922090038]
本稿では,キーフレーズ生成のための自己合成データ拡張手法を提案する。共有キーフレーズに基づく学習用文書の関連性を測定し,類似した文書を組み合わせて合成サンプルを生成する。
論文参考訳（メタデータ） (2024-11-05T12:22:51Z)
Unsupervised Open-domain Keyphrase Generation [7.429941108199692]
本稿では,2つのモジュール,すなわちtextitphraseness と textitinformativeness モジュールからなるseq2seqモデルを提案する。フレーズ化モジュールはフレーズを生成し、情報化モジュールはテキストの中核概念を表すものに向けて生成をガイドする。本研究では,異なるドメインの8つのベンチマークデータセットを用いて,提案手法を徹底的に評価する。
論文参考訳（メタデータ） (2023-06-19T07:57:13Z)
Cyclically Disentangled Feature Translation for Face Anti-spoofing [61.70377630461084]
循環不整合特徴変換ネットワーク(CDFTN)と呼ばれる新しい領域適応手法を提案する。 CDFTNは、(1)ソースドメイン不変の生長特徴と2)ドメイン固有のコンテンツ特徴とを持つ擬似ラベル付きサンプルを生成する。ソースドメインラベルの監督の下で、合成擬似ラベル付き画像に基づいてロバスト分類器を訓練する。
論文参考訳（メタデータ） (2022-12-07T14:12:34Z)
General-to-Specific Transfer Labeling for Domain Adaptable Keyphrase Generation [30.167332489528608]
トレーニングキーフレーズ生成(KPG)モデルは、大量の注釈付きデータを必要とする。 KPGモデルの一般的な構文的特徴からドメイン関連セマンティクスへの学習焦点を徐々にガイドする3段階パイプラインを提案する。実験結果から,提案手法は高品質なキーフレーズを新規ドメインで生成し,ドメイン内アノテートされた限られたデータに適応して一貫した改善を達成できることが示唆された。
論文参考訳（メタデータ） (2022-08-20T04:43:01Z)
Learning to Share by Masking the Non-shared for Multi-domain Sentiment Classification [24.153584996936424]
テキストからドメイン関連語を明示的にマスキングし,これらのドメインに依存しないテキストからドメイン不変感の特徴を学習し,それらのマスキング語を用いてドメイン認識文表現を形成するネットワークを提案する。適応度の高い複数領域感情分類データセットの実証実験により,提案モデルの有効性が実証された。
論文参考訳（メタデータ） (2021-04-17T08:15:29Z)
Revisiting Mahalanobis Distance for Transformer-Based Out-of-Domain Detection [60.88952532574564]
本稿では,ドメイン外インテント検出手法を徹底的に比較する。意図分類のための3つの標準データセット上で,複数のコンテキストエンコーダとメソッドを効率良く評価する。本研究の主目的は,超微調整トランスフォーマーを用いたドメイン内データエンコーダが優れた結果をもたらすことである。
論文参考訳（メタデータ） (2021-01-11T09:10:58Z)
Domain Adversarial Fine-Tuning as an Effective Regularizer [80.14528207465412]
自然言語処理(NLP)では、下流タスクに転送される事前訓練された言語モデル(LM)が、最先端の結果を得るために最近示されている。標準的な微調整は、事前トレーニング中にキャプチャされた汎用ドメイン表現を分解することができる。本稿では,新しい正規化手法である After; 有効正規化器としてのドメイン・アダクショナル・ファイン・チューニングを提案する。
論文参考訳（メタデータ） (2020-09-28T14:35:06Z)
Text Recognition in Real Scenarios with a Few Labeled Samples [55.07859517380136]
Scene Text Recognition (STR) はコンピュータビジョン分野におけるホットな研究テーマである。本稿では,数ショットの逆数列領域適応 (FASDA) を用いて構築シーケンスを適応する手法を提案する。我々のアプローチは、ソースドメインとターゲットドメインの間の文字レベルの混乱を最大化することができる。
論文参考訳（メタデータ） (2020-06-22T13:03:01Z)
Unsupervised Domain Clusters in Pretrained Language Models [61.832234606157286]
大規模事前学習型言語モデルでは,教師なしのドメインによってクラスタ化される文表現を暗黙的に学習する。このようなモデルに基づくドメインデータ選択手法を提案する。我々は5つの異なる領域にわたるニューラルネットワーク翻訳のためのデータ選択手法を評価する。
論文参考訳（メタデータ） (2020-04-05T06:22:16Z)
Cross-domain Self-supervised Learning for Domain Adaptation with Few Source Labels [78.95901454696158]
ドメイン適応のためのクロスドメイン自己教師型学習手法を提案する。本手法は,ソースラベルが少ない新しいターゲット領域において,ターゲット精度を著しく向上させる。
論文参考訳（メタデータ） (2020-03-18T15:11:07Z)
Keyphrase Extraction with Span-based Feature Representations [13.790461555410747]
キーフレーズは、文書を特徴付ける意味メタデータを提供することができる。キーフレーズ抽出のための3つのアプローチ: (i) 従来の2段階ランキング法、 (ii) シーケンスラベリング、 (iii) ニューラルネットワークを用いた生成。本稿では,すべてのコンテンツトークンから直接,キーフレーズのスパン的特徴表現を抽出する新規スパンキーフレーズ抽出モデルを提案する。
論文参考訳（メタデータ） (2020-02-13T09:48:31Z)

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。