論文の概要: Understanding and Improving Data Repurposing

• arxiv url: http://arxiv.org/abs/2506.09073v1
• Date: Mon, 09 Jun 2025 18:33:47 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-13 06:35:01.641408
• Title: Understanding and Improving Data Repurposing
• Title（参考訳）: データ再利用の理解と改善
• Authors: J. Parsons, R. Lukyanenko, B. Greenwood, C. Cooper,
• Abstract要約: 我々は、これらのデータが収集されたときに予期されなかったタスクに既存のデータを使うという前例のない機会に生きている。 本稿では,従来のデータ利用やデータ再利用とどのように異なるのかを説明し,既存のデータを新しいタスクに適応させるための概念と活動からなるデータ再利用のためのフレームワークを開発する。 我々は、データ再資源化をよりよく理解し、より効果的なデータ再資源化の実践を可能にする研究の機会を提案することで締めくくります。
• 参考スコア（独自算出の注目度）: 0.5892638927736115
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: We live in an age of unprecedented opportunities to use existing data for tasks not anticipated when those data were collected, resulting in widespread data repurposing. This commentary defines and maps the scope of data repurposing to highlight its importance for organizations and society and the need to study data repurposing as a frontier of data management. We explain how repurposing differs from original data use and data reuse and then develop a framework for data repurposing consisting of concepts and activities for adapting existing data to new tasks. The framework and its implications are illustrated using two examples of repurposing, one in healthcare and one in citizen science. We conclude by suggesting opportunities for research to better understand data repurposing and enable more effective data repurposing practices.
• Abstract（参考訳）: 我々は、これらのデータが収集されたときに予期されなかったタスクに既存のデータを使うという前例のない機会に生きている。 この注釈書は、組織や社会におけるデータ再資源化の重要性と、データ再資源化をデータ管理のフロンティアとして研究する必要があることを強調するために、データ再資源化の範囲を定義し、マッピングする。 本稿では,従来のデータ利用やデータ再利用とどのように異なるのかを説明し,既存のデータを新しいタスクに適応させるための概念と活動からなるデータ再利用のためのフレームワークを開発する。 この枠組みとその意味は、医療と市民科学の2つの例を用いて説明されている。 我々は、データ再資源化をよりよく理解し、より効果的なデータ再資源化の実践を可能にする研究の機会を提案することで締めくくります。

関連論文リスト

• Machine Learning Data Practices through a Data Curation Lens: An Evaluation Framework [1.5993707490601146]
  機械学習におけるデータプラクティスをデータキュレーションの実践として評価する。 機械学習の研究者たちは、しばしばモデル開発を強調するが、標準的なデータキュレーションの原則を適用するのに苦労している。
  論文  参考訳（メタデータ） (2024-05-04T16:21:05Z)
• Retrieval and Distill: A Temporal Data Shift-Free Paradigm for Online Recommendation System [31.594407236146186]
  現在のレコメンデーションシステムは、時間的データシフトの深刻な問題によって大きく影響を受ける。 既存のモデルのほとんどは、データのシフトから学ぶことのできる、転送可能な一時的なデータシフトのない情報を見渡すことで、更新データの利用に重点を置いている。 そこで本研究では,データシフトのない関連ネットワークを,シフトデータを用いてトレーニング可能な検索ベースレコメンデーションシステムフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-04-24T06:16:09Z)
• From Data Creator to Data Reuser: Distance Matters [0.847136673632881]
  オープンサイエンスの政策は再利用よりもデータ共有に重点を置いている。 どちらも複雑で労働集約的で高価であり、複数の利害関係者によるインフラ投資を必要としている。 データ再利用の価値は、クリエータと再利用者の関係にあります。
  論文  参考訳（メタデータ） (2024-02-05T18:16:04Z)
• Enhancing Consistency and Mitigating Bias: A Data Replay Approach for Incremental Learning [93.90047628101155]
  ディープラーニングシステムは、一連のタスクから学ぶとき、破滅的な忘れがちだ。 これを解決するために、新しいタスク学習中に過去のタスクからのデータを再生する手法を提案する。 しかし、メモリの制約やデータプライバシーの問題により、実際には期待できない。
  論文  参考訳（メタデータ） (2024-01-12T12:51:12Z)
• Adaptive Learning for Service Monitoring Data [0.0]
  本研究では,Learn++を用いた適応型分類手法を開発した。 産業アプリケーションから得られた連続したデータチャンクを用いて予測器の性能を漸進的に評価する。
  論文  参考訳（メタデータ） (2022-08-25T18:06:45Z)
• A Data-Based Perspective on Transfer Learning [76.30206800557411]
  転送学習におけるソースデータセットの合成の役割について,より詳しく検討する。 我々のフレームワークは、転送学習の脆さをピンポインティングするなど、新しい機能を生み出します。
  論文  参考訳（メタデータ） (2022-07-12T17:58:28Z)
• When Can Models Learn From Explanations? A Formal Framework for Understanding the Roles of Explanation Data [84.87772675171412]
  個々のデータポイントの説明がモデリング性能を向上させる状況について検討する。 e-SNLI、TACRED、SemEvalの3つの既存のデータセットを使って説明します。
  論文  参考訳（メタデータ） (2021-02-03T18:57:08Z)
• Provably Efficient Causal Reinforcement Learning with Confounded Observational Data [135.64775986546505]
  オフラインで収集されたデータセット(観測データ)を組み込んで、オンライン環境でのサンプル効率を改善する方法について検討する。 提案手法は,観測データを効率よく組み込んだ,分解された楽観的値反復 (DOVI) アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-06-22T14:49:33Z)
• DeGAN : Data-Enriching GAN for Retrieving Representative Samples from a Trained Classifier [58.979104709647295]
  我々は、トレーニングされたネットワークの将来の学習タスクのために、利用可能なデータの豊富さと関連するデータの欠如の間のギャップを埋める。 利用可能なデータは、元のトレーニングデータセットまたは関連するドメインデータセットの不均衡なサブセットである可能性があるため、代表サンプルを検索するために使用します。 関連ドメインからのデータを活用して最先端のパフォーマンスを実現することを実証する。
  論文  参考訳（メタデータ） (2019-12-27T02:05:45Z)

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。