Fugu-MT 論文翻訳(概要): On Correlating Factors for Domain Adaptation Performance

論文の概要: On Correlating Factors for Domain Adaptation Performance

arxiv url: http://arxiv.org/abs/2501.14466v1
Date: Fri, 24 Jan 2025 12:55:42 GMT
ステータス: 翻訳完了
システム内更新日: 2025-01-27 14:55:39.731816
Title: On Correlating Factors for Domain Adaptation Performance
Title（参考訳）: ドメイン適応性能の関連要因について
Authors: Goksenin Yuksel, Jaap Kamps,
Abstract要約: 我々は、高密度レトリバーのドメイン適応を成功させる可能性のある要因を分析する。生成されたクエリタイプの分散は重要な要素であり、テストドキュメントと同じようなドメインを共有するクエリを生成することで、ドメイン適応メソッドのパフォーマンスが向上する。
参考スコア（独自算出の注目度）: 0.7305019142196582
License:
Abstract: Dense retrievers have demonstrated significant potential for neural information retrieval; however, they lack robustness to domain shifts, limiting their efficacy in zero-shot settings across diverse domains. In this paper, we set out to analyze the possible factors that lead to successful domain adaptation of dense retrievers. We include domain similarity proxies between generated queries to test and source domains. Furthermore, we conduct a case study comparing two powerful domain adaptation techniques. We find that generated query type distribution is an important factor, and generating queries that share a similar domain to the test documents improves the performance of domain adaptation methods. This study further emphasizes the importance of domain-tailored generated queries.
Abstract（参考訳）: デンスレトリバーは、神経情報検索の有意義な可能性を示してきたが、それらはドメインシフトに対する堅牢性を欠き、さまざまなドメインにわたるゼロショット設定における有効性を制限している。本稿では,高密度レトリバーのドメイン適応に寄与する可能性のある因子について検討した。生成したクエリ間のドメイン類似性プロキシをテストとソースドメインに含めます。さらに,2つの強力なドメイン適応手法を比較したケーススタディを行う。生成したクエリの型分布は重要な要素であり,テスト文書と類似のドメインを共有するクエリを生成することにより,ドメイン適応手法の性能が向上することがわかった。本研究は、ドメインを調整したクエリの重要性をさらに強調する。

関連論文リスト

Domain Generalization via Causal Adjustment for Cross-Domain Sentiment Analysis [59.73582306457387]
クロスドメイン感情分析における領域一般化の問題に焦点をあてる。本稿では,ドメイン固有表現とドメイン不変表現をアンタングル化するバックドア調整に基づく因果モデルを提案する。一連の実験は、我々のモデルの優れたパフォーマンスと堅牢性を示しています。
論文参考訳（メタデータ） (2024-02-22T13:26:56Z)
DAOT: Domain-Agnostically Aligned Optimal Transport for Domain-Adaptive Crowd Counting [35.83485358725357]
ドメイン適応は一般的に、異なるデータセット間のドメインギャップをブリッジするために、群衆カウントに使用される。既存のドメイン適応手法は、同じデータセット内の差を見下ろしながら、データセット間の違いに焦点を当てる傾向がある。ドメインに依存しない要素をドメイン間で整合させるDAOT(Domain-Agnostically Aligned Optimal Transport)戦略を提案する。
論文参考訳（メタデータ） (2023-08-10T02:59:40Z)
Meta-causal Learning for Single Domain Generalization [102.53303707563612]
単一ドメインの一般化は、単一のトレーニングドメイン(ソースドメイン)からモデルを学び、それを複数の未確認テストドメイン(ターゲットドメイン)に適用することを目的としている。既存の方法は、ターゲットドメインをカバーするためのトレーニングドメインの配布拡大に重点を置いているが、ソースとターゲットドメイン間のドメインシフトを見積もることはできない。そこで本研究では,まず,対象ドメインとして補助ドメインを構築することによってドメインシフトをシミュレートし,ドメインシフトの原因を解析し,最終的にモデル適応のためのドメインシフトを低減する,新たな学習パラダイムを提案する。
論文参考訳（メタデータ） (2023-04-07T15:46:38Z)
Domain Adaptation for Sentiment Analysis Using Increased Intraclass Separation [31.410122245232373]
ドメイン間感情分析手法は注目されている。埋め込み空間における異なるクラス間の大きなマージンを誘導する新しい領域適応法を提案する。この埋め込み空間は、ドメイン間のデータ分散をマッチングすることによって、ドメインに依存しないように訓練される。
論文参考訳（メタデータ） (2021-07-04T11:39:12Z)
Predicting the Success of Domain Adaptation in Text Similarity [0.0]
本論文は、テキスト類似性のいくつかの候補のうち、最も適切なソースドメインの適応と選択をモデル化する。結果は概ね肯定的ではあるが、適応の成功を予測するのが困難であったいくつかの領域についても指摘されている。
論文参考訳（メタデータ） (2021-06-08T19:02:15Z)
Curriculum CycleGAN for Textual Sentiment Domain Adaptation with Multiple Sources [68.31273535702256]
我々は,C-CycleGAN(C-CycleGAN)という,新しいインスタンスレベルのMDAフレームワークを提案する。 C-CycleGANは、(1)異なるドメインからのテキスト入力を連続的な表現空間にエンコードする事前訓練されたテキストエンコーダ、(2)ソースとターゲットドメイン間のギャップを埋めるカリキュラムインスタンスレベルの適応を伴う中間ドメインジェネレータ、(3)中間ドメインで最終感情分類のために訓練されたタスク分類器の3つのコンポーネントから構成される。 3つのベンチマークデータセットに対して広範な実験を行い、最先端のDAアプローチよりも大幅に向上した。
論文参考訳（メタデータ） (2020-11-17T14:50:55Z)
Improved Multi-Source Domain Adaptation by Preservation of Factors [0.0]
ドメイン適応(DA)は、ディープニューラルネットワークによる画像分類に関して、非常に関連する研究トピックである。本稿では,現実のシーンが一般的に画像に現れる視覚的要因の理論に基づいて述べる。異なるドメインはドメイン内で一貫した値を持つが、ドメイン間で変更できるいわゆるドメインファクターによって記述できることを示す。
論文参考訳（メタデータ） (2020-10-15T14:19:57Z)
Domain Adaptation for Semantic Parsing [68.81787666086554]
本稿では,ドメイン適応のための新しいセマンティクスを提案する。このセマンティクスでは,ソースドメインと比較して,対象ドメインのアノテーション付きデータがはるかに少ない。我々のセマンティックな利点は、2段階の粗大なフレームワークから得ており、2段階の異なる正確な処理を提供できる。ベンチマークデータセットの実験により、我々の手法はいくつかの一般的なドメイン適応戦略より一貫して優れていることが示された。
論文参考訳（メタデータ） (2020-06-23T14:47:41Z)
Domain Conditioned Adaptation Network [90.63261870610211]
本稿では,ドメイン条件付きチャネルアテンション機構を用いて,異なる畳み込みチャネルを励起するドメイン条件適応ネットワーク(DCAN)を提案する。これは、ディープDAネットワークのドメインワイドな畳み込みチャネルアクティベーションを探求する最初の試みである。
論文参考訳（メタデータ） (2020-05-14T04:23:24Z)
Towards Fair Cross-Domain Adaptation via Generative Learning [50.76694500782927]
ドメイン適応(DA)は、よくラベル付けされたソースドメイン上でトレーニングされたモデルを、異なる分散に横たわる未ラベルのターゲットドメインに適応することを目的としています。本研究では,新規な生成的Few-shot Cross-Domain Adaptation (GFCA) アルゴリズムを開発した。
論文参考訳（メタデータ） (2020-03-04T23:25:09Z)

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。