Fugu-MT 論文翻訳(概要): Improved Models for Media Bias Detection and Subcategorization

論文の概要: Improved Models for Media Bias Detection and Subcategorization

arxiv url: http://arxiv.org/abs/2412.11835v1
Date: Mon, 16 Dec 2024 14:56:31 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-17 13:58:26.442938
Title: Improved Models for Media Bias Detection and Subcategorization
Title（参考訳）: メディアバイアス検出・サブカテゴリ化のための改良モデル
Authors: Tim Menzner, Jochen L. Leidner,
Abstract要約: 英語ニュース記事において,粒度検出およびサブ分類メディアバイアスのための改良されたモデルを提案する。我々は、ゼロショットと微調整された大型ニューラルトランスフォーマー言語モデルの性能を比較した。
参考スコア（独自算出の注目度）: 4.248837664338829
License:
Abstract: We present improved models for the granular detection and sub-classification news media bias in English news articles. We compare the performance of zero-shot versus fine-tuned large pre-trained neural transformer language models, explore how the level of detail of the classes affects performance on a novel taxonomy of 27 news bias-types, and demonstrate how using synthetically generated example data can be used to improve quality
Abstract（参考訳）: 英語ニュース記事において,粒度検出およびサブ分類メディアバイアスのための改良されたモデルを提案する。ゼロショットと微調整済みの大型ニューラルトランスフォーマー言語モデルの性能を比較し、クラスの詳細レベルが27のニュースバイアス型の新規分類におけるパフォーマンスにどのように影響するかを考察し、合成されたサンプルデータを用いて品質を向上させる方法について実証する。

関連論文リスト

Leveraging Large Language Models and Topic Modeling for Toxicity Classification [2.1506858566021037]
コンテンツモデレーションのためのトピック・モデリング手法を用いて,アノテータの位置がデータセットに与える影響について検討した。その結果,特定のトピックについてモデルを微調整すると,モデルのF1スコアが顕著に向上することが示唆された。
論文参考訳（メタデータ） (2024-11-26T20:47:24Z)
The Importance of Model Inspection for Better Understanding Performance Characteristics of Graph Neural Networks [15.569758991934934]
脳形状分類タスクに適用したグラフニューラルネットワークの特徴学習特性に対するモデル選択の影響について検討する。モデルの異なるレイヤに機能の埋め込みを組み込むことで、かなりの違いが見つかります。
論文参考訳（メタデータ） (2024-05-02T13:26:18Z)
DetDiffusion: Synergizing Generative and Perceptive Models for Enhanced Data Generation and Perception [78.26734070960886]
現在の知覚モデルは、リソース集約的なデータセットに大きく依存している。セグメンテーションを通じて知覚認識損失(P.A.損失)を導入し、品質と制御性の両方を改善した。本手法は,世代間における知覚認識属性(P.A. Attr)の抽出と利用により,データ拡張をカスタマイズする。
論文参考訳（メタデータ） (2024-03-20T04:58:03Z)
Representer Point Selection for Explaining Regularized High-dimensional Models [105.75758452952357]
本稿では,高次元表現器と呼ぶサンプルベース説明のクラスを紹介する。私たちのワークホースは、一般化された高次元モデルに対する新しい代表者定理である。提案手法の実証的性能について,実世界の2進分類データセットと2つの推薦システムデータセットを用いて検討した。
論文参考訳（メタデータ） (2023-05-31T16:23:58Z)
Self-Evolution Learning for Mixup: Enhance Data Augmentation on Few-Shot Text Classification Tasks [75.42002070547267]
テキスト分類におけるデータ拡張のための自己進化学習(SE)に基づくミックスアップ手法を提案する。モデル出力と原サンプルの1つのホットラベルを線形に補間して,新しい軟質なラベル混在を生成する,新しいインスタンス固有ラベル平滑化手法を提案する。
論文参考訳（メタデータ） (2023-05-22T23:43:23Z)
The Benefits of Bad Advice: Autocontrastive Decoding across Model Layers [14.596485032985328]
モデル層間の漸進的な改善により、推論中に上位層と下位層のコントラストから追加情報を得ることが可能である、と我々は主張する。テキスト生成出力を改善するために,レイヤ間のコントラストを利用した新しい手法を提案する。
論文参考訳（メタデータ） (2023-05-02T17:42:37Z)
Debiasing Vision-Language Models via Biased Prompts [79.04467131711775]
本稿では,テキスト埋め込みにおけるバイアスのある方向を投影することで,視覚言語基盤モデルを疎外する一般的な手法を提案する。偏平投影行列を組み込んだテキストのみをデバイアスすることで、ロバストな分類器と公正な生成モデルが得られることを示す。
論文参考訳（メタデータ） (2023-01-31T20:09:33Z)
Prototypical Fine-tuning: Towards Robust Performance Under Varying Data Sizes [47.880781811936345]
我々は、微調整事前学習言語モデル(LM)のための新しいフレームワークを提案する。提案手法は,データポイント数やモデル固有の属性に応じて,モデルキャパシティを自動的に調整することができる。
論文参考訳（メタデータ） (2022-11-24T14:38:08Z)
Few-shot Text Classification with Dual Contrastive Consistency [31.141350717029358]
本稿では,事前学習した言語モデルを用いて,数ショットのテキスト分類を行う方法について検討する。ラベル付きデータが少ない場合の教師付きコントラスト学習と、ラベルなしデータの一貫性と規則化を採用する。
論文参考訳（メタデータ） (2022-09-29T19:26:23Z)
Guiding Generative Language Models for Data Augmentation in Few-Shot Text Classification [59.698811329287174]
我々は、GPT-2を用いて、分類性能を向上させるために、人工訓練インスタンスを生成する。実験の結果,少数のラベルインスタンスでGPT-2を微調整すると,一貫した分類精度が向上することがわかった。
論文参考訳（メタデータ） (2021-11-17T12:10:03Z)

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。