論文の概要: Unsupervised Location Mapping for Narrative Corpora

• arxiv url: http://arxiv.org/abs/2504.05954v1
• Date: Tue, 08 Apr 2025 12:06:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-04-09 13:31:28.401664
• Title: Unsupervised Location Mapping for Narrative Corpora
• Title（参考訳）: ナラティブコーパスのための教師なし位置マッピング
• Authors: Eitan Wagner, Renana Keydar, Omri Abend,
• Abstract要約: タスクは、個々の物語の軌跡を、大きな物語のセットが行われる場所の空間地図にマッピングしようとする。 ラベルの集合を事前に定義することなく、完全に教師なしの方法でこのタスクのためのパイプラインを提案する。 本手法は,(1)ホロコースト証言と(2)レイク・ディストリクトの書記,すなわち,イングリッシュ・レイク・ディストリクトにおける旅行に関する多世紀的文献の2つの異なる領域で検証する。
• 参考スコア（独自算出の注目度）: 14.90042250991032
• License:
• Abstract: This work presents the task of unsupervised location mapping, which seeks to map the trajectory of an individual narrative on a spatial map of locations in which a large set of narratives take place. Despite the fundamentality and generality of the task, very little work addressed the spatial mapping of narrative texts. The task consists of two parts: (1) inducing a ``map'' with the locations mentioned in a set of texts, and (2) extracting a trajectory from a single narrative and positioning it on the map. Following recent advances in increasing the context length of large language models, we propose a pipeline for this task in a completely unsupervised manner without predefining the set of labels. We test our method on two different domains: (1) Holocaust testimonies and (2) Lake District writing, namely multi-century literature on travels in the English Lake District. We perform both intrinsic and extrinsic evaluations for the task, with encouraging results, thereby setting a benchmark and evaluation practices for the task, as well as highlighting challenges.
• Abstract（参考訳）: 本研究は, 個別の物語の軌跡を, 物語の大きな集合が存在する場所の空間地図上にマッピングすることを目的とした, 教師なしの位置マッピングの課題を提示する。 タスクの基本性と汎用性にもかかわらず、物語のテキストの空間マッピングに対処する作業はほとんどなかった。 タスクは,(1)「地図」をテキストの集合に記載された位置で誘導すること,(2)1つの物語から軌跡を抽出し,地図上に配置すること,の2つの部分から構成される。 大規模言語モデルの文脈長を増大させる最近の進歩に続いて,ラベルの集合を事前に定義することなく,完全に教師なしの方法で,このタスクのためのパイプラインを提案する。 本手法は,(1)ホロコースト証言と(2)レイク・ディストリクトの書記,すなわち,イングリッシュ・レイク・ディストリクトにおける旅行に関する多世紀的文献の2つの異なる領域で検証する。 本研究は,タスクの内在的評価と外在的評価の両方を行い,その結果を奨励し,タスクのベンチマークと評価プラクティスを設定し,課題の強調を行う。

関連論文リスト

• Map2Text: New Content Generation from Low-Dimensional Visualizations [60.02149343347818]
  低次元の可視化における空間座標を新しい、一貫性のある、正確に整列されたテキストコンテンツに変換する新しいタスクであるMap2Textを紹介する。 これによってユーザは、これらの空間的レイアウトに埋め込まれた未発見情報を対話的に、直感的に探索し、ナビゲートすることができる。
  論文  参考訳（メタデータ） (2024-12-24T20:16:13Z)
• Tag Map: A Text-Based Map for Spatial Reasoning and Navigation with Large Language Models [15.454856838083511]
  大言語モデル(LLM)は、ロボットが共通感覚推論を用いてタスクプランを生成するためのツールとして登場した。 最近の研究は、固定された意味クラスを持つ明示的な写像から暗黙的なオープンな語彙マップへと移行している。 LLMと簡単に統合しながら、数千のセマンティッククラスを表現できる明示的なテキストベースのマップを提案する。
  論文  参考訳（メタデータ） (2024-09-23T18:26:19Z)
• Mapping High-level Semantic Regions in Indoor Environments without Object Recognition [50.624970503498226]
  本研究では,屋内環境における埋め込みナビゲーションによる意味領域マッピング手法を提案する。 地域識別を実現するために,視覚言語モデルを用いて地図作成のためのシーン情報を提供する。 グローバルなフレームにエゴセントリックなシーン理解を投影することにより、提案手法は各場所の可能な領域ラベル上の分布としてのセマンティックマップを生成する。
  論文  参考訳（メタデータ） (2024-03-11T18:09:50Z)
• PlotMap: Automated Layout Design for Building Game Worlds [4.74497343690049]
  本稿では,世界構築パイプラインにおけるマップ生成手法とは無関係なプロット設備レイアウト設計の余分なレイヤを導入する。 本稿では、CMA-ESによる進化的計算に基づくアプローチと強化学習(RL)に基づくアプローチの2つの方法を提案する。 施設配置タスクのデータセットを生成し,異なる手法を実験・評価するためのジムのような環境を作成し,さらに総合的な実験によって2つの手法を解析する手法を開発した。
  論文  参考訳（メタデータ） (2023-09-26T20:13:10Z)
• Geo-Encoder: A Chunk-Argument Bi-Encoder Framework for Chinese Geographic Re-Ranking [61.60169764507917]
  中国の地理的再ランクタスクは、検索された候補者の中で最も関連性の高い住所を見つけることを目的としている。 そこで我々は,中国語の地理的意味論をより効果的に統合する,革新的なフレームワークであるGeo-Encoderを提案する。
  論文  参考訳（メタデータ） (2023-09-04T13:44:50Z)
• MTLSegFormer: Multi-task Learning with Transformers for Semantic Segmentation in Precision Agriculture [16.817025300716796]
  マルチタスク学習とアテンション機構を組み合わせたセマンティックセグメンテーション手法MTLSegFormerを提案する。 相関したタスクで2つの困難な問題で性能を検証し、精度を大幅に改善した。
  論文  参考訳（メタデータ） (2023-05-04T13:19:43Z)
• SLUE Phase-2: A Benchmark Suite of Diverse Spoken Language Understanding Tasks [88.4408774253634]
  音声言語理解(SLU)タスクは、音声研究コミュニティで何十年にもわたって研究されてきた。 SLUタスクベンチマークはそれほど多くはなく、既存のベンチマークの多くは、すべての研究者が自由に利用できないデータを使っている。 最近の研究は、いくつかのタスクにそのようなベンチマークを導入し始めている。
  論文  参考訳（メタデータ） (2022-12-20T18:39:59Z)
• Connecting What to Say With Where to Look by Modeling Human Attention Traces [30.8226861256742]
  画像,テキスト,人間の注意跡を共同でモデル化する統合フレームワークを提案する。 本研究では,(1)画像とキャプション(視覚的接地)に与えられたトレースを予測し,(2)画像のみに与えられるキャプションとトレースを予測する2つの新しいタスクを提案する。
  論文  参考訳（メタデータ） (2021-05-12T20:53:30Z)
• Vectorization and Rasterization: Self-Supervised Learning for Sketch and Handwriting [168.91748514706995]
  自己監督型機能学習のための2つの新しいクロスモーダル翻訳プリテキストタスクを提案する:ベクトル化とラスタリゼーション。 当社の学習したエンコーダモジュールは、手書きデータを分析するために、ベースとベクターの両方のダウンストリームアプローチに役立ちます。
  論文  参考訳（メタデータ） (2021-03-25T09:47:18Z)
• ContourNet: Taking a Further Step toward Accurate Arbitrary-shaped Scene Text Detection [147.10751375922035]
  本研究では,シーンテキストの偽陽性と大規模分散を効果的に処理するContourNetを提案する。 本手法は,両方向の応答値の高い予測を出力するだけで,これらの偽陽性を効果的に抑制する。
  論文  参考訳（メタデータ） (2020-04-10T08:15:23Z)

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。