論文の概要: TriTopic: Tri-Modal Graph-Based Topic Modeling with Iterative Refinement and Archetypes

• arxiv url: http://arxiv.org/abs/2602.19079v1
• Date: Sun, 22 Feb 2026 07:29:53 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-02-24 17:42:02.471657
• Title: TriTopic: Tri-Modal Graph-Based Topic Modeling with Iterative Refinement and Archetypes
• Title（参考訳）: TriTopic: 反復的リファインメントとアーチタイプによるトリモーダルグラフベースのトピックモデリング
• Abstract要約: セマンティック埋め込み、TF-IDF、メタデータを融合したトリモーダルグラフを用いて、これらの弱点に対処するフレームワークであるTriTopicを提案する。 TriTopicは、"平均文書"の概念を、センターのみではなく境界ケースによって定義されたアーキタイプベースのトピック表現に置き換える。 20のNewsグループ、BBC News、AG News、Arxivのベンチマークでは、TriTopicはデータセット毎に最も高いNMIを達成している。
• 参考スコア（独自算出の注目度）: 0.40611352512781873
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Topic modeling extracts latent themes from large text collections, but leading approaches like BERTopic face critical limitations: stochastic instability, loss of lexical precision ("Embedding Blur"), and reliance on a single data perspective. We present TriTopic, a framework that addresses these weaknesses through a tri-modal graph fusing semantic embeddings, TF-IDF, and metadata. Three core innovations drive its performance: hybrid graph construction via Mutual kNN and Shared Nearest Neighbors to eliminate noise and combat the curse of dimensionality; Consensus Leiden Clustering for reproducible, stable partitions; and Iterative Refinement that sharpens embeddings through dynamic centroid-pulling. TriTopic also replaces the "average document" concept with archetype-based topic representations defined by boundary cases rather than centers alone. In benchmarks across 20 Newsgroups, BBC News, AG News, and Arxiv, TriTopic achieves the highest NMI on every dataset (mean NMI 0.575 vs. 0.513 for BERTopic, 0.416 for NMF, 0.299 for LDA), guarantees 100% corpus coverage with 0% outliers, and is available as an open-source PyPI library.
• Abstract（参考訳）: トピックモデリングは、大きなテキストコレクションから潜在テーマを抽出するが、BERTopicのような主要なアプローチは、確率的不安定性、語彙的精度の喪失("Embedding Blur")、単一データパースペクティブへの依存といった重要な制限に直面している。 セマンティック埋め込み、TF-IDF、メタデータを融合したトリモーダルグラフを用いて、これらの弱点に対処するフレームワークであるTriTopicを提案する。 Mutual kNNとShared Nearest Neighborsによるハイブリッドグラフ構築によるノイズ排除と次元の呪いと戦うこと、再現性のある安定したパーティションのためのConsensus Leiden Clustering、動的遠心分離による埋め込みを鋭くするIterative Refinementである。 TriTopicはまた、"平均文書"の概念を、センターのみではなく境界ケースによって定義されたアーキタイプベースのトピック表現に置き換えている。 20のニュースグループ、BBC News、AG News、Arxivのベンチマークでは、TriTopicはすべてのデータセット(BERTopicのNMI 0.575対0.513、NMFの0.416、LDAの0.299)で最も高いNMIを獲得し、100%のコーパスカバレッジを0%のアウトリーで保証し、オープンソースのPyPIライブラリとして利用できる。

関連論文リスト

• FPicker: Topology-Guided Evolution for Filament Tracing in Low-SNR Microscopy [14.980713248913732]
  FPickerは、Cryo-Electron Microscopyにおける3次元フィラメント追跡のためのトポロジー誘導フレームワークである。 中心端表現と開曲線展開モジュールを通じて知覚を統一し、非循環接続を明示的にモデル化する。 実世界のEMPIARデータセットのゼロショット性能は強靭なトポロジカルな抵抗を示し、微調整によって最先端の82.9%のmSAPを達成した。
  論文  参考訳（メタデータ） (2026-09-08T06:25:44Z)
• BATS: Resource-Efficient Volumetric Segmentation with Boundary-Aware Mixed-Resolution Tokens [14.29921504001782]
  予測されたクラス境界付近で微細分解能処理を集中する3次元医用画像分割アーキテクチャであるBATSを提案する。 密度境界予測器は、追加の解像度が必要な場所を特定する一方、ファインファーストコンテキストは入力依存の混合解像度階層を構成する。 KiTSとLiTSでは推論が最大30%高速化され、トークンは少ないがトークン密度のBraTSでは遅い。
  論文  参考訳（メタデータ） (2026-07-29T12:21:40Z)
• Team DACTYL at PAN 2026: Bayesian Data Mixing and Empirical X-risk Minimization for AI-text Detection [0.33842793760651557]
  既存の研究では、AIが生成したテキスト検出分類器は、強い非分配(ID)性能を達成しているが、オフ・オブ・ディストリビューション(OOD)テキストでは、同じ性能を維持していないことが示されている。 ベイズ分類ヘッドを用いたBERT-tinyモデルを微調整し、3つの異なるデータセットにまたがるテキストを選択し、統合トレーニングセットとして使用する。 我々の結果は、注意深いデータセットのキュレーションによってOODのパフォーマンスが向上することを示している。
  論文  参考訳（メタデータ） (2026-07-19T18:48:59Z)
• Provable Sparse Inversion and Token Relabel Enhanced One-shot Federated Learning with ViTs [77.42033827176806]
  ワンショットフェデレートラーニング(One-Shot Federated Learning)は、単一のコミュニケーションラウンドでグローバルモデルを学ぶ中央サーバが、有望なパラダイムとして登場したものだ。 本稿では,合成画像の全パッチをフル活用してグローバルモデルをトレーニングする,新しいフェデレーションモデルインバージョンとトークンリラベルフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-05-11T15:49:08Z)
• An Instance-Centric Panoptic Occupancy Prediction Benchmark for Autonomous Driving [25.37985701473846]
  本稿では,3次元パノプティカル占有予測タスクのインスタンス中心ベンチマークを提案する。 具体的には、自律運転に適した最初の統合3DメッシュライブラリであるADMeshを紹介する。 大規模で物理的に一貫した汎光学占有データセットであるCarlaOccを構築した。
  論文  参考訳（メタデータ） (2026-03-28T11:22:31Z)
• COVTrack++: Learning Open-Vocabulary Multi-Object Tracking from Continuous Videos via a Synergistic Paradigm [59.26203051651017]
  C-TAOはOpen-Vocabulary Multi-Object Tracking (OVMOT)のための最初の連続アノテーション付きトレーニングセットである フレームワークボトルネックに対するCOVTrack++は,3つのモジュールによる検出とアソシエーションの双方向相互機構を実現するための相乗的フレームワークである。 TAOの実験では、新しいTAAは検証とテストセットで35.4%、30.5%に達し、新しいAssocAは4.8%、新しいLocAは5.8%向上した。
  論文  参考訳（メタデータ） (2026-03-25T07:20:27Z)
• From Feature Interaction to Feature Generation: A Generative Paradigm of CTR Prediction Models [81.43473418572567]
  CTR(Click-Through Rate)予測は、レコメンデーションシステムにおける中核的なタスクである。 本稿では,埋め込み次元の崩壊と情報冗長性に対処する新しい生成フレームワークを提案する。 SFGは埋没崩壊を緩和し,情報冗長性を低減し,性能向上を図っている。
  論文  参考訳（メタデータ） (2025-12-16T03:17:18Z)
• Learning Hyperspectral Images with Curated Text Prompts for Efficient Multimodal Alignment [1.7188280334580195]
  我々は、CLIPスタイルのコントラストトレーニングフレームワークを利用して、超スペクトルシーン理解のための視覚言語モデル(VLM)の最適化を試みる。 我々のフレームワークは、視覚バックボーンから凍結した大きな埋め込みモデルの潜在空間へのボクセルレベルの埋め込みをマッピングする。 提案手法は全パラメータの0.07パーセントしか更新していないが、最先端の性能が得られる。
  論文  参考訳（メタデータ） (2025-09-20T23:23:04Z)
• Tri-Learn Graph Fusion Network for Attributed Graph Clustering [5.2044462428583875]
  本稿では,GCN,オートエンコーダ(AE),グラフ変換器からなる新しいディープクラスタリングフレームワークを提案する。 このフレームワークは、ユニークな3つの学習機構と特徴融合戦略を通じて、グローバルおよびローカル情報の識別と一貫性を高める。 ACMデータセットで約0.87%、Reutersデータセットで14.14%、USPSデータセットで7.58%の精度向上を実現している。
  論文  参考訳（メタデータ） (2025-07-18T03:25:07Z)
• From Codicology to Code: A Comparative Study of Transformer and YOLO-based Detectors for Layout Analysis in Historical Documents [0.0]
  本稿では,3つの注釈付きデータセットに対して,最先端のオブジェクト検出アーキテクチャを5つベンチマークする。 2つのトランスフォーマーモデル(Co-DETR, Grounding DINO)を3つのYOLOモデルと比較した。 構造化レイアウトの理想であるトランスフォーマーのグローバルコンテキスト認識と、視覚的に多様で複雑な文書に対するCNN-OBBモデルの優れた一般化との間には、重要なトレードオフが存在すると結論付けている。
  論文  参考訳（メタデータ） (2025-06-25T11:14:04Z)
• UNCA: A Neutrosophic-Based Framework for Robust Clustering and Enhanced Data Interpretation [1.2582887633807602]
  統一ニューロソフィッククラスタリングアルゴリズム(UNCA)を提案する。 UNCAは、クラスタリング精度を改善するために、マルチフェイス戦略とニュートロソフィック論理を組み合わせる。 UNCAはいくつかの指標で従来の手法より優れています。
  論文  参考訳（メタデータ） (2025-02-23T14:08:59Z)
• Efficient Masked AutoEncoder for Video Object Counting and A Large-Scale Benchmark [52.339936954958034]
  前景の動的不均衡は、ビデオオブジェクトのカウントにおいて大きな課題である。 本稿では,密度埋め込み型効率的なマスドオートエンコーダカウント(E-MAC)フレームワークを提案する。 さらに,渡り鳥保護のための自然シナリオにおいて,まず,大規模なビデオバードカウントデータセットであるDroneBirdを提案する。
  論文  参考訳（メタデータ） (2024-11-20T06:08:21Z)
• MMScan: A Multi-Modal 3D Scene Dataset with Hierarchical Grounded Language Annotations [55.022519020409405]
  本稿では,マルチモーダルな3Dシーンデータセットと階層型言語アノテーションを用いたベンチマーク,MMScanを構築した。 結果として得られたマルチモーダルな3Dデータセットは、109kオブジェクトと7.7kリージョン上の1.4Mメタアノテーション付きキャプションと、3Dビジュアルグラウンドと質問応答ベンチマークのための3.04M以上の多様なサンプルを含んでいる。
  論文  参考訳（メタデータ） (2024-06-13T17:59:30Z)
• Federated Learning Resilient to Byzantine Attacks and Data Heterogeneity [59.17297282373628]
  本稿では、データに対する悪意ある攻撃の文脈におけるグラディエント学習(FL)について述べる。 本稿では,収束解析と損失関数の中央値を用いた新しい平均ロバストアルゴリズム(RAGA)を提案する。
  論文  参考訳（メタデータ） (2024-03-20T08:15:08Z)
• Temporal Action Localization with Enhanced Instant Discriminability [66.76095239972094]
  時間的行動検出(TAD)は、すべての行動境界とその対応するカテゴリを、トリミングされていないビデオで検出することを目的としている。 本稿では,既存の手法による動作境界の不正確な予測を解決するために,TriDetという一段階のフレームワークを提案する。 実験結果から,複数のTADデータセット上でのTriDetの堅牢性と最先端性能が示された。
  論文  参考訳（メタデータ） (2023-09-11T16:17:50Z)
• Multi-View Clustering via Semi-non-negative Tensor Factorization [120.87318230985653]
  半負のテンソル因子分解(Semi-NTF)に基づく新しいマルチビュークラスタリングを開発する。 本モデルは、ビュー間の関係を直接考慮し、ビュー間の補完情報を利用する。 さらに,提案手法の最適化アルゴリズムを提案し,そのアルゴリズムが常に定常KKT点に収束することを数学的に証明する。
  論文  参考訳（メタデータ） (2023-03-29T14:54:19Z)
• An Efficient Multi-Scale Fusion Network for 3D Organ at Risk (OAR) Segmentation [2.6770199357488242]
  我々はOARFocalFuseNetと呼ばれる新しいOARセグメンテーションフレームワークを提案する。 マルチスケールの特徴を融合させ、複数のスケールにわたるグローバルローカルコンテキストのキャプチャに焦点変調を用いる。 OARFocalFuseNetはOpenKBPデータセット上で0.7995のダイス係数と5.1435のハウスドルフ距離を得た。
  論文  参考訳（メタデータ） (2022-08-15T19:40:18Z)

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。