Fugu-MT 論文翻訳(概要): Research Experiment on Multi-Model Comparison for Chinese Text Classification Tasks

論文の概要: Research Experiment on Multi-Model Comparison for Chinese Text Classification Tasks

arxiv url: http://arxiv.org/abs/2412.18908v1
Date: Wed, 25 Dec 2024 13:54:40 GMT
ステータス: 翻訳完了
システム内更新日: 2024-12-30 17:27:10.389432
Title: Research Experiment on Multi-Model Comparison for Chinese Text Classification Tasks
Title（参考訳）: 中国語テキスト分類課題のマルチモデル比較に関する実験的検討
Authors: JiaCheng Li,
Abstract要約: 本稿では,中国語のテキスト分類タスクに対して,TextCNN,TextRNN,FastTextの3つのディープラーニングモデルの比較研究を行う。これらのモデルの性能を評価し,異なるシナリオにおける適用性について論じる。
参考スコア（独自算出の注目度）: 12.087640144194246
License:
Abstract: With the explosive growth of Chinese text data and advancements in natural language processing technologies, Chinese text classification has become one of the key techniques in fields such as information retrieval and sentiment analysis, attracting increasing attention. This paper conducts a comparative study on three deep learning models:TextCNN, TextRNN, and FastText.specifically for Chinese text classification tasks. By conducting experiments on the THUCNews dataset, the performance of these models is evaluated, and their applicability in different scenarios is discussed.
Abstract（参考訳）: 中国語のテキストデータの爆発的増加と自然言語処理技術の進歩により、中国語のテキスト分類は情報検索や感情分析などの分野で重要な技術の一つとなり、注目を集めている。本稿では,中国語のテキスト分類タスクに対して,TextCNN,TextRNN,FastTextの3つのディープラーニングモデルの比較研究を行う。 THUCNewsデータセットで実験を行うことで、これらのモデルの性能を評価し、異なるシナリオにおけるそれらの適用性について議論する。

関連論文リスト

Putting Context in Context: the Impact of Discussion Structure on Text Classification [13.15873889847739]
本稿では,英語における姿勢検出のための大規模データセットに関する一連の実験を提案する。異なる種類の文脈情報の寄与を評価する。構造情報はテキスト分類には非常に有用であるが,特定の状況下でのみ有用であることを示す。
論文参考訳（メタデータ） (2024-02-05T12:56:22Z)
Comparative Analysis of Multilingual Text Classification & Identification through Deep Learning and Embedding Visualization [0.0]
この研究では、17の言語を含むデータセットにLangDetect、LangId、FastText、Sentence Transformerを採用している。 FastText多層パーセプトロンモデルは、精度、精度、リコール、F1スコアを達成し、Sentence Transformerモデルを上回った。
論文参考訳（メタデータ） (2023-12-06T12:03:27Z)
Beyond Turing: A Comparative Analysis of Approaches for Detecting Machine-Generated Text [1.919654267936118]
従来の浅層学習,言語モデル(LM)微調整,多言語モデル微調整の評価を行った。結果は、メソッド間でのパフォーマンスにかなりの違いが示される。この研究は、堅牢で差別性の高いモデルを作成することを目的とした将来の研究の道を開くものである。
論文参考訳（メタデータ） (2023-11-21T06:23:38Z)
Orientation-Independent Chinese Text Recognition in Scene Images [61.34060587461462]
本研究は,テキスト画像のコンテンツと方向情報を切り離すことにより,向きに依存しない視覚特徴を抽出する試みである。具体的には,不整合コンテンツと向き情報を用いて対応する文字イメージを復元する文字画像再構成ネットワーク(CIRN)を提案する。
論文参考訳（メタデータ） (2023-09-03T05:30:21Z)
T3L: Translate-and-Test Transfer Learning for Cross-Lingual Text Classification [50.675552118811]
言語間テキスト分類は通常、様々な言語で事前訓練された大規模多言語言語モデル(LM)に基づいて構築される。本稿では,古典的な「翻訳とテスト」パイプラインを再考し,翻訳と分類の段階を適切に分離することを提案する。
論文参考訳（メタデータ） (2023-06-08T07:33:22Z)
Multi-Dimensional Evaluation of Text Summarization with In-Context Learning [79.02280189976562]
本稿では,テキスト内学習を用いた多次元評価器として,大規模言語モデルの有効性について検討する。実験の結果,テキスト要約作業において,文脈内学習に基づく評価手法が学習評価フレームワークと競合していることが判明した。次に、テキスト内サンプルの選択や数などの要因がパフォーマンスに与える影響を分析する。
論文参考訳（メタデータ） (2023-06-01T23:27:49Z)
OCRBench: On the Hidden Mystery of OCR in Large Multimodal Models [122.27878464009181]
テキスト関連視覚タスクにおいて, GPT4V や Gemini などの大規模マルチモーダルモデルの包括的評価を行った。 OCRBenchには29のデータセットがあり、最も包括的なOCR評価ベンチマークが利用できる。
論文参考訳（メタデータ） (2023-05-13T11:28:37Z)
Detecting Text Formality: A Study of Text Classification Approaches [78.11745751651708]
本研究は,統計的,ニューラルベース,トランスフォーマーベースの機械学習手法に基づく形式性検出手法の体系的研究を初めて行う。単言語,多言語,言語横断の3種類の実験を行った。本研究は,モノリンガルおよび多言語形式分類タスクのためのトランスフォーマーベースモデルに対するChar BiLSTMモデルの克服を示す。
論文参考訳（メタデータ） (2022-04-19T16:23:07Z)
Benchmarking Chinese Text Recognition: Datasets, Baselines, and an Empirical Study [25.609450020149637]
既存のテキスト認識法は主に英語のテキスト用であるが、中国語のテキストの重要な役割は無視されている。公開のコンペ、プロジェクト、論文から中国語のテキストデータセットを手作業で収集し、それらをシーン、Web、ドキュメント、手書きデータセットの4つのカテゴリに分けます。実験結果を解析することにより、中国語のシナリオにおいて、英語のテキストを認識するための最先端のベースラインがうまく機能しないことを驚くほど観察する。
論文参考訳（メタデータ） (2021-12-30T15:30:52Z)
TFW2V: An Enhanced Document Similarity Method for the Morphologically Rich Finnish Language [0.5801044612920816]
本研究は,形態学的に豊かな言語であるフィンランド語に対する現在のアプローチの実験に焦点をあてる。本稿では,長文文書と限られた量のデータの両方を扱う上で,高い効率性を示す簡易な方法TFW2Vを提案する。
論文参考訳（メタデータ） (2021-12-23T12:27:45Z)
Deep Learning Based Text Classification: A Comprehensive Review [75.8403533775179]
本稿では,近年開発されたテキスト分類のための150以上のディープラーニングモデルについてレビューする。また、テキスト分類に広く使われている40以上の一般的なデータセットの要約も提供する。
論文参考訳（メタデータ） (2020-04-06T02:00:30Z)

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。