論文の概要: SCDTour: Embedding Axis Ordering and Merging for Interpretable Semantic Change Detection

• arxiv url: http://arxiv.org/abs/2509.11818v1
• Date: Mon, 15 Sep 2025 12:01:24 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-16 17:26:23.260867
• Title: SCDTour: Embedding Axis Ordering and Merging for Interpretable Semantic Change Detection
• Title（参考訳）: SCDTour:解釈可能な意味的変化検出のための軸順序付けとマージ
• Authors: Taichi Aida, Danushka Bollegala,
• Abstract要約: SCDTourは、セマンティックチェンジ検出の性能劣化を軽減するために解釈可能な軸を注文し、マージする手法である。 実験の結果,SCDTourは高い解釈性を維持しながら意味変化検出の性能を保っていることがわかった。
• 参考スコア（独自算出の注目度）: 28.014032231976618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Semantic Change Detection (SCD), it is a common problem to obtain embeddings that are both interpretable and high-performing. However, improving interpretability often leads to a loss in the SCD performance, and vice versa. To address this problem, we propose SCDTour, a method that orders and merges interpretable axes to alleviate the performance degradation of SCD. SCDTour considers both (a) semantic similarity between axes in the embedding space, as well as (b) the degree to which each axis contributes to semantic change. Experimental results show that SCDTour preserves performance in semantic change detection while maintaining high interpretability. Moreover, agglomerating the sorted axes produces a more refined set of word senses, which achieves comparable or improved performance against the original full-dimensional embeddings in the SCD task. These findings demonstrate that SCDTour effectively balances interpretability and SCD performance, enabling meaningful interpretation of semantic shifts through a small number of refined axes. Source code is available at https://github.com/LivNLP/svp-tour .
• Abstract（参考訳）: セマンティック・チェンジ検出(SCD)では,解釈可能かつ高性能な埋め込みを得るのが一般的である。 しかし、解釈可能性の向上は多くの場合、SCDのパフォーマンスを損なう。 この問題に対処するため,SCDTourを提案する。SCDTourは,SCDの性能劣化を軽減するために,解釈可能な軸を順序付け,マージする手法である。 SCDTour は両方を考える (a)埋め込み空間における軸間の意味的類似性 b) 各軸が意味変化に寄与する程度 実験の結果,SCDTourは高い解釈性を維持しながら意味変化検出の性能を保っていることがわかった。 さらに、ソートした軸を集約すると、より洗練された単語感覚が生成され、SCDタスクにおける元のフル次元埋め込みと同等または改善された性能が得られる。 これらの結果から,SCDTourは解釈可能性とSCD性能を効果的にバランスさせ,少数の改良された軸を通した意味的変化の有意義な解釈を可能にした。 ソースコードはhttps://github.com/LivNLP/svp-tour で公開されている。

関連論文リスト

• IPSeg: Image Posterior Mitigates Semantic Drift in Class-Incremental Segmentation [77.06177202334398]
  CISSにおけるセマンティックドリフトとデグレード性能に寄与する2つの重要な課題を特定した。 まず、モデルの異なる部分が異なる漸進的な段階に最適化されるという、別々の最適化の問題を強調します。 第二に、不適切な擬似ラベルから生じる雑音のセマンティクスを同定し、その結果、準最適結果が得られる。
  論文  参考訳（メタデータ） (2025-02-07T12:19:37Z)
• Investigating the Contextualised Word Embedding Dimensions Specified for Contextual and Temporal Semantic Changes [30.563130208194977]
  文脈型単語埋め込み(CWE)空間内の単語の意味的変化を符号化する意味認識型単語埋め込み(SCWE)。 どのようにして変化が埋め込み空間にエンコードされるのかは、まだ不明である。 文脈的および時間的意味変化ベンチマークにおいて、事前学習したCWEとそれらの微調整されたバージョンを比較した。
  論文  参考訳（メタデータ） (2024-07-03T05:42:20Z)
• A Systematic Comparison of Contextualized Word Embeddings for Lexical Semantic Change [0.696194614504832]
  我々は、勾配変化検出(GCD)のための最先端モデルとアプローチを評価する。 我々はLCC問題をWord-in-Context(WiC)タスクとWord Sense Injection(WSI)タスクに分解し、これらの異なるレベルのモデルと比較する。 i) APDはGCDの他のアプローチよりも優れており、 (ii) XL-LEXEMEはGPT-4と同等でありながら、WiC、WSI、GCDの他の文脈モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-02-19T10:04:59Z)
• Align, Perturb and Decouple: Toward Better Leverage of Difference Information for RSI Change Detection [24.249552791014644]
  変化検出は、リモートセンシング画像(RSI)解析において広く採用されている手法である。 そこで我々は,アライメント,摂動,デカップリングといった差分情報を完全に活用するための一連の操作を提案する。
  論文  参考訳（メタデータ） (2023-05-30T03:39:53Z)
• Joint Spatio-Temporal Modeling for the Semantic Change Detection in Remote Sensing Images [22.72105435238235]
  両時間RSI間の「から」意味遷移を明示的にモデル化するための意味変化(SCanFormer)を提案する。 次に,SCDタスクに忠実な Transformer 時間制約を活用する意味学習手法を導入し,意味変化の学習を指導する。 結果として得られたネットワーク(SCanNet)は、決定的意味変化の検出と、得られた両時間的結果のセマンティック一貫性の両方において、ベースライン法より優れている。
  論文  参考訳（メタデータ） (2022-12-10T08:49:19Z)
• Revisiting Consistency Regularization for Semi-supervised Change Detection in Remote Sensing Images [60.89777029184023]
  教師付きクロスエントロピー(CE)損失に加えて、教師なしCD損失を定式化する半教師付きCDモデルを提案する。 2つの公開CDデータセットを用いて実験を行った結果,提案手法は教師付きCDの性能に近づきやすいことがわかった。
  論文  参考訳（メタデータ） (2022-04-18T17:59:01Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Transitive Learning: Exploring the Transitivity of Degradations for Blind Super-Resolution [89.4784684863403]
  経時劣化に対する盲目超解像法 (TLSR) の新しいTransitive Learning法を提案する。 我々は, 広く用いられている添加物および畳み込み劣化を含む劣化の推移性を分析し, 実証する。 提案するTLSRは性能が向上し,最先端のブラインドSR手法と比較して時間の浪費が少ないことを示す。
  論文  参考訳（メタデータ） (2021-03-29T02:51:09Z)

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。

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。