論文の概要: Enhancing Text Classification with a Novel Multi-Agent Collaboration Framework Leveraging BERT

• arxiv url: http://arxiv.org/abs/2502.18653v1
• Date: Tue, 25 Feb 2025 21:30:16 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-27 14:59:24.886749
• Title: Enhancing Text Classification with a Novel Multi-Agent Collaboration Framework Leveraging BERT
• Title（参考訳）: BERTを活用した新しいマルチエージェント協調フレームワークによるテキスト分類の強化
• Authors: Hediyeh Baban, Sai A Pidapar, Aashutosh Nema, Sichen Lu,
• Abstract要約: 本稿では,テキスト分類モデルの精度とロバスト性を高めるために,新しいマルチエージェント協調フレームワークを提案する。 本フレームワークは,低信頼度予測を特殊なマルチエージェントシステムに動的にエスカレートする。 ベンチマークデータセットに対する実証的な評価は,我々のフレームワークが5.5%の精度向上を実現していることを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: We introduce a novel multi-agent collaboration framework designed to enhance the accuracy and robustness of text classification models. Leveraging BERT as the primary classifier, our framework dynamically escalates low-confidence predictions to a specialized multi-agent system comprising Lexical, Contextual, Logic, Consensus, and Explainability agents. This collaborative approach allows for comprehensive analysis and consensus-driven decision-making, significantly improving classification performance across diverse text classification tasks. Empirical evaluations on benchmark datasets demonstrate that our framework achieves a 5.5% increase in accuracy compared to standard BERT-based classifiers, underscoring its effectiveness and academic novelty in advancing multi-agent systems within natural language processing.
• Abstract（参考訳）: 本稿では,テキスト分類モデルの精度とロバスト性を高めるために,新しいマルチエージェント協調フレームワークを提案する。 BERTを一次分類器として活用することにより,低信頼度予測をLexical,Contextual,Logic,Consensus,Explainabilityエージェントからなる特殊マルチエージェントシステムに動的にエスカレートする。 この協調的なアプローチは、包括的な分析とコンセンサス主導の意思決定を可能にし、多様なテキスト分類タスク間での分類性能を大幅に改善する。 ベンチマークデータセットの実証評価により,我々のフレームワークは,標準的なBERTベースの分類器と比較して5.5%の精度向上を実現し,自然言語処理におけるマルチエージェントシステムの進歩におけるその有効性と学際的ノベルティを実証した。

関連論文リスト

• FewTopNER: Integrating Few-Shot Learning with Topic Modeling and Named Entity Recognition in a Multilingual Framework [0.0]
  FewTopNERは、数発のエンティティ認識とトピック対応のコンテキストモデリングを統合するフレームワークである。 多言語ベンチマークの実証評価では、FewTopNERは最先端の数ショットNERモデルよりも大幅に優れていた。
  論文  参考訳（メタデータ） (2025-02-04T15:13:40Z)
• Enhancing Authorship Attribution through Embedding Fusion: A Novel Approach with Masked and Encoder-Decoder Language Models [0.0]
  本稿では,AI生成テキストと人間認証テキストを区別するために,事前学習言語モデルからのテキスト埋め込みを用いた新しいフレームワークを提案する。 提案手法では, Embedding Fusion を用いて複数の言語モデルからの意味情報を統合し,その補完的強みを利用して性能を向上させる。
  論文  参考訳（メタデータ） (2024-11-01T07:18:27Z)
• Are Large Language Models Good Classifiers? A Study on Edit Intent Classification in Scientific Document Revisions [62.12545440385489]
  大規模言語モデル(LLM)は、テキスト生成の大幅な進歩をもたらしたが、分類タスクの強化の可能性はまだ未検討である。 生成と符号化の両方のアプローチを含む分類のための微調整LDMを徹底的に研究するためのフレームワークを提案する。 我々はこのフレームワークを編集意図分類(EIC)においてインスタンス化する。
  論文  参考訳（メタデータ） (2024-10-02T20:48:28Z)
• Top-K Pairwise Ranking: Bridging the Gap Among Ranking-Based Measures for Multi-Label Classification [120.37051160567277]
  本稿では,Top-K Pairwise Ranking(TKPR)という新しい尺度を提案する。 一連の分析により、TKPRは既存のランキングベースの尺度と互換性があることが示されている。 一方,データ依存縮約法という新しい手法に基づいて,提案手法の急激な一般化を確立する。
  論文  参考訳（メタデータ） (2024-07-09T09:36:37Z)
• Pointer-Guided Pre-Training: Infusing Large Language Models with Paragraph-Level Contextual Awareness [3.2925222641796554]
  ポインター誘導セグメントオーダリング(SO)は,段落レベルのテキスト表現の文脈的理解を高めることを目的とした,新しい事前学習手法である。 実験の結果,ポインタ誘導型事前学習は複雑な文書構造を理解する能力を大幅に向上させることがわかった。
  論文  参考訳（メタデータ） (2024-06-06T15:17:51Z)
• Hierarchical Classification of Transversal Skills in Job Ads Based on Sentence Embeddings [0.0]
  本稿では,求人広告要件とスキルセットの相関関係をディープラーニングモデルを用いて同定することを目的とする。 このアプローチには、ESCO(European Skills, Competences, Occupations)分類を使用したデータ収集、事前処理、ラベル付けが含まれる。
  論文  参考訳（メタデータ） (2024-01-10T11:07:32Z)
• Spatio-temporal Relation Modeling for Few-shot Action Recognition [100.3999454780478]
  本稿では,高次時間表現を同時に学習しながら,クラス固有の特徴の識別性を向上する数ショットアクション認識フレームワークSTRMを提案する。 本手法は,本研究でもっとも優れた手法に比べて,分類精度が3.5%向上した。
  論文  参考訳（メタデータ） (2021-12-09T18:59:14Z)
• Beyond the Tip of the Iceberg: Assessing Coherence of Text Classifiers [0.05857406612420462]
  大規模で事前訓練された言語モデルは、既存の言語理解タスクにおいて人間のレベルと超人的精度を達成する。 予測コヒーレンスの新しい尺度による評価システムを提案する。
  論文  参考訳（メタデータ） (2021-09-10T15:04:23Z)
• Multitask Learning for Class-Imbalanced Discourse Classification [74.41900374452472]
  マルチタスクアプローチは,現在のベンチマークで7%のマイクロf1コアを改善できることを示す。 また,NLPにおける資源不足問題に対処するための追加手法の比較検討を行った。
  論文  参考訳（メタデータ） (2021-01-02T07:13:41Z)
• Spectrum-Guided Adversarial Disparity Learning [52.293230153385124]
  本稿では,新たなエンド・ツー・エンドの知識指向学習フレームワークを提案する。 2つの競合符号化分布を用いてクラス条件付きクラス内不一致を表現し、学習された不一致を識別することで精製された潜伏符号を学習する。 4つのHARベンチマークデータセットに対する実験により,提案手法の頑健性と,最先端の手法による一般化が実証された。
  論文  参考訳（メタデータ） (2020-07-14T05:46:27Z)
• Unified Multi-Criteria Chinese Word Segmentation with BERT [82.16846720508748]
  連続した文字からなる中国語文における単語境界を見つけることを目的としている。 本稿では,統合フレームワークと事前学習言語モデルの優位性を組み合わせて,BERTに基づく統一MCCWSモデルを提案する。 多様な基準を持つ8つのデータセットに対する実験により,本手法がMCCWSの新たな最先端結果が得られることが示された。
  論文  参考訳（メタデータ） (2020-04-13T07:50:04Z)

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。