論文の概要: A Modular Unsupervised Framework for Attribute Recognition from Unstructured Text
- arxiv url: http://arxiv.org/abs/2507.03949v1
- Date: Sat, 05 Jul 2025 08:22:52 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-07-08 15:46:34.952978
- Title: A Modular Unsupervised Framework for Attribute Recognition from Unstructured Text
- Title(参考訳): 非構造化テキストからの属性認識のためのモジュール型教師なしフレームワーク
- Authors: KMA Solaiman,
- Abstract要約: POSIDは、構造化されていないテキストから構造化属性ベースのプロパティを抽出するフレームワークである。
InciTextデータセットを使用して、行方不明者のユースケースでその効果を実証する。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by-nc-sa/4.0/
- Abstract: We propose POSID, a modular, lightweight and on-demand framework for extracting structured attribute-based properties from unstructured text without task-specific fine-tuning. While the method is designed to be adaptable across domains, in this work, we evaluate it on human attribute recognition in incident reports. POSID combines lexical and semantic similarity techniques to identify relevant sentences and extract attributes. We demonstrate its effectiveness on a missing person use case using the InciText dataset, achieving effective attribute extraction without supervised training.
- Abstract(参考訳): タスク固有の微調整なしで非構造化テキストから構造化属性ベースのプロパティを抽出するモジュール式で軽量でオンデマンドなフレームワークPOSIDを提案する。
本手法はドメイン間で適応できるように設計されているが,本研究では,インシデントレポートにおいて人的属性認識に基づいて評価する。
POSIDは語彙的および意味的類似性技術を組み合わせて、関連する文を識別し、属性を抽出する。
InciTextデータセットを使用すれば,教師付きトレーニングを使わずに効果的な属性抽出を実現することができる。
関連論文リスト
- FOCUS: Fine-grained Optimization with Semantic Guided Understanding for Pedestrian Attributes Recognition [40.85042685914472]
歩行者属性認識は、インテリジェント輸送とセキュリティにおける基本的な認識課題である。
このきめ細かいタスクに対処するため、既存のほとんどの手法は属性情報を豊かにするための地域特徴の抽出に重点を置いている。
PARに対するsemantitextbfC gtextbfUided undertextbfStanding(FOCUS)アプローチを用いたtextbfFine-fine textbfOptimizationを提案する。
論文 参考訳(メタデータ) (2025-06-28T10:38:54Z) - LATex: Leveraging Attribute-based Text Knowledge for Aerial-Ground Person Re-Identification [63.07563443280147]
本稿では,AG-ReID のための新しいフレームワーク LATex を提案する。
属性ベースのテキスト知識を活用するために、プロンプトチューニング戦略を採用する。
我々のフレームワークは、AG-ReIDを改善するために属性ベースのテキスト知識を完全に活用できる。
論文 参考訳(メタデータ) (2025-03-31T04:47:05Z) - Spatio-Temporal Side Tuning Pre-trained Foundation Models for Video-based Pedestrian Attribute Recognition [58.79807861739438]
既存の歩行者認識アルゴリズム(PAR)は主に静的画像に基づいて開発されている。
本稿では,時間的情報を完全に活用できるビデオフレームを用いて,人間の属性を理解することを提案する。
論文 参考訳(メタデータ) (2024-04-27T14:43:32Z) - Text Attribute Control via Closed-Loop Disentanglement [72.2786244367634]
本稿では,コンテンツ保存性を高めつつ,属性のロバストな制御を実現するための新しい手法を提案する。
本稿では,半教師付きコントラスト学習法を用いて,潜在空間における属性のアンタングル化を促進する。
Yelp Serviceレビューデータセット、Amazon Product Reviewデータセット、GoEmotionsデータセットを含む3つのテキストデータセットの実験を行った。
論文 参考訳(メタデータ) (2023-12-01T01:26:38Z) - Joint Event Extraction via Structural Semantic Matching [12.248124072173935]
イベント抽出(EE)は、情報抽出において不可欠なタスクの1つである。
本稿では,イベントタイプの意味的特徴を符号化し,対象テキストと構造的マッチングを行う。
論文 参考訳(メタデータ) (2023-06-06T07:42:39Z) - TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。
TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。
分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文 参考訳(メタデータ) (2023-06-06T03:37:41Z) - Investigating the Role of Attribute Context in Vision-Language Models
for Object Recognition and Detection [33.77415850289717]
メソッドはオブジェクトクラス名がどの程度うまく学習されているかという点で評価されるが、キャプションには豊富な属性コンテキストも含まれている。
タスクが属性やオブジェクトの理解を必要とする場合、モデルが成功するかどうかだけでなく、学習においてこのコンテキストをどのように利用するかは明らかではない。
その結果, 属性コンテキストは, 検出のためのアライメントを学習する際には無駄になり, 属性の意味は埋め込みにおいて適切に考慮されず, 属性のみによるクラス記述は非効率であることが示唆された。
論文 参考訳(メタデータ) (2023-03-17T16:14:37Z) - Fine-grained Sentiment Controlled Text Generation [28.20006438705556]
制御されたテキスト生成技術は、属性独立コンテンツを保持しながら、特定の属性を規制することを目的としている。
本稿では,情報に富んだ絡み合い表現と属性固有の非絡み合い表現の両方をキャプチャする階層型フレームワークDE-VAEを提案する。
論文 参考訳(メタデータ) (2020-06-17T14:17:58Z) - ViTAA: Visual-Textual Attributes Alignment in Person Search by Natural
Language [36.319953919737245]
自然言語による人物検索は、与えられたテキスト記述にマッチする大規模な画像プールにおいて、特定の人物を検索することを目的としている。
そこで本稿では,特定の属性句を対応する視覚領域に接地できる属性適応型視点を提案する。
私たちは、堅牢な機能学習によってパフォーマンスが向上するだけでなく、成功も達成しています。
論文 参考訳(メタデータ) (2020-05-15T02:22:28Z) - Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。
抽出した要約タスクを意味テキストマッチング問題として定式化する。
我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文 参考訳(メタデータ) (2020-04-19T08:27:57Z)
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。