論文の概要: PoultryLeX-Net: Domain-Adaptive Dual-Stream Transformer Architecture for Large-Scale Poultry Stakeholder Modeling

• arxiv url: http://arxiv.org/abs/2603.09991v1
• Date: Sat, 14 Feb 2026 03:23:27 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-15 16:38:22.534955
• Title: PoultryLeX-Net: Domain-Adaptive Dual-Stream Transformer Architecture for Large-Scale Poultry Stakeholder Modeling
• Title（参考訳）: PoultryLeX-Net:大規模Poultry Stakeholderモデリングのためのドメイン適応デュアルストリームトランスフォーマアーキテクチャ
• Authors: Stephen Afrifa, Biswash Khatiwada, Kapalik Khanal, Sanjay Shah, Lingjuan Wang-Li, Ramesh Bahadur Bist,
• Abstract要約: PoultryLeX-Netは、鶏肉関連テキストのきめ細かい感情分析のための、語彙強化されたドメイン適応型デュアルストリームトランスフォーマーフレームワークである。 語彙誘導ストリームは、言語固有の用語と感情の手がかりをキャプチャし、コンテキストストリームは、長距離セマンティック依存関係をモデル化する。 ラテント・ディリクレ・アロケーションは、生産管理と福祉に関する議論に関連する支配的なテーマ構造を特定するために使用される。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: The rapid growth of the global poultry industry, driven by rising demand for affordable animal protein, has intensified public discourse surrounding production practices, housing, management, animal welfare, and supply-chain transparency. Social media platforms such as X (formerly Twitter) generate large volumes of unstructured textual data that capture stakeholder sentiment across the poultry industry. Extracting accurate sentiment signals from this domain-specific discourse remains challenging due to contextual ambiguity, linguistic variability, and limited domain awareness in general-purpose language models. This study presents PoultryLeX-Net, a lexicon-enhanced, domain-adaptive dual-stream transformer framework for fine-grained sentiment analysis in poultry-related text. The proposed architecture integrates sentiment classification, topic modeling, and contextual representation learning through domain-specific embeddings and gated cross-attention mechanisms. A lexicon-guided stream captures poultry-specific terminology and sentiment cues, while contextual stream models long-range semantic dependencies. Latent Dirichlet Allocation is employed to identify dominant thematic structures associated with production management and welfare-related discussions, providing complementary interpretability to sentiment predictions. PoultryLeX-Net was evaluated against multiple baseline models, including convolutional neural network and pre-trained transformer architectures such as DistilBERT and RoBERTa. PoultryLeX-Net consistently outperformed all baselines, achieving an accuracy of 97.35%, an F1 score of 96.67%, and an area under the receiver operating characteristic curve (AUC-ROC) of 99.61% across sentiment classification tasks. Overall, domain adaptation and dual-stream attention markedly improve sentiment classification, enabling scalable intelligence for poultry production decision support.
• Abstract（参考訳）: 安価な動物タンパク質の需要が高まり、世界的な養鶏業が急速に成長し、生産慣行、住宅、管理、動物福祉、サプライチェーンの透明性に関する公衆の議論が激化している。 X(元Twitter)のようなソーシャルメディアプラットフォームは、多量の構造化されていないテキストデータを生成し、養鶏業界全体のステークホルダーの感情を捉えている。 このドメイン固有の言説から正確な感情信号を抽出することは、文脈的曖昧さ、言語的多様性、汎用言語モデルにおけるドメイン認識の制限により、依然として困難である。 本研究は,ポウトリー関連テキストの微粒化感情分析のためのレキシコン強化ドメイン適応型デュアルストリームトランスフォーマフレームワークPoultryLeX-Netを提案する。 提案アーキテクチャは, 感情分類, トピックモデリング, コンテキスト表現学習をドメイン固有の埋め込みとゲート・クロスアテンション機構を通じて統合する。 語彙誘導ストリームは、言語固有の用語と感情の手がかりをキャプチャし、コンテキストストリームは、長距離セマンティック依存関係をモデル化する。 ラテント・ディリクレ・アロケーションは、生産管理と福祉に関する議論に関連する支配的なテーマ構造を特定するために使われ、感情予測に補完的な解釈性を提供する。 PoultryLeX-Netは、畳み込みニューラルネットワークやDistilBERTやRoBERTaのような事前訓練されたトランスフォーマーアーキテクチャなど、複数のベースラインモデルに対して評価された。 PoultryLeX-Netは全てのベースラインを一貫して上回り、精度は97.35%、F1スコアは96.67%、受信機の動作特性曲線(AUC-ROC)は99.61%である。 全体として、ドメイン適応と二重ストリームの注意は感情分類を著しく改善し、養鶏生産決定支援のためのスケーラブルなインテリジェンスを可能にした。

関連論文リスト

• A Multi-View Consistency Framework with Semi-Supervised Domain Adaptation [16.068009772194642]
  Semi-Supervised Domain Adaptation (SSDA)は、完全にラベル付けされたソースドメインからの知識を活用して、部分的にラベル付けされたターゲットドメインにデータを分類する。 強化されたデータをトレーニングするための2つのビューを含む多視点一貫性フレームワークを導入する。 実験の結果,提案手法は2つの標準領域適応データセット上で競合する手法より優れていることが示された。
  論文  参考訳（メタデータ） (2026-01-27T06:54:13Z)
• SASP: Strip-Aware Spatial Perception for Fine-Grained Bird Image Classification [5.420786129061269]
  本稿では,ストリップ認識型空間知覚に基づく細粒度鳥の画像分類フレームワークを提案する。 提案手法は, 拡張知覚アグリゲータ (EPA) とチャネルセマンティックウィービング (CSW) の2つの新しいモジュールを含む。 ResNet-50のバックボーン上に構築されたこのモデルは、空間領域を越えて拡張された構造的特徴のジャンプワイズ接続を可能にする。
  論文  参考訳（メタデータ） (2025-05-30T09:10:12Z)
• FinchGPT: a Transformer based language model for birdsong analysis [24.273645850815207]
  トークン間の長距離依存関係は、人間の言語の定義指標である。 本研究では,ベンガル・フィンチ(Ronchura striata domestica)の歌の分析にTransformerアーキテクチャを用いた。 鳥の音のテキスト化コーパスで学習したトランスフォーマーベースモデルであるFinchGPTを開発した。
  論文  参考訳（メタデータ） (2025-02-01T07:06:34Z)
• Exploring Consistency in Cross-Domain Transformer for Domain Adaptive Semantic Segmentation [51.10389829070684]
  ドメインギャップは、自己注意の相違を引き起こす可能性がある。 このギャップのため、変圧器は、ターゲット領域の精度を低下させる刺激領域または画素に付随する。 ドメイン横断の注意層を持つアテンションマップに適応する。
  論文  参考訳（メタデータ） (2022-11-27T02:40:33Z)
• Coarse to Fine: Domain Adaptive Crowd Counting via Adversarial Scoring Network [58.05473757538834]
  本稿では,ドメイン間のギャップを粗い粒度から細かな粒度に埋める新しい逆スコアリングネットワーク (ASNet) を提案する。 3組のマイグレーション実験により,提案手法が最先端のカウント性能を実現することを示す。
  論文  参考訳（メタデータ） (2021-07-27T14:47:24Z)
• Curriculum CycleGAN for Textual Sentiment Domain Adaptation with Multiple Sources [68.31273535702256]
  我々は,C-CycleGAN(C-CycleGAN)という,新しいインスタンスレベルのMDAフレームワークを提案する。 C-CycleGANは、(1)異なるドメインからのテキスト入力を連続的な表現空間にエンコードする事前訓練されたテキストエンコーダ、(2)ソースとターゲットドメイン間のギャップを埋めるカリキュラムインスタンスレベルの適応を伴う中間ドメインジェネレータ、(3)中間ドメインで最終感情分類のために訓練されたタスク分類器の3つのコンポーネントから構成される。 3つのベンチマークデータセットに対して広範な実験を行い、最先端のDAアプローチよりも大幅に向上した。
  論文  参考訳（メタデータ） (2020-11-17T14:50:55Z)
• Adaptively-Accumulated Knowledge Transfer for Partial Domain Adaptation [66.74638960925854]
  部分ドメイン適応(PDA)は、ソースドメインラベル空間がターゲットドメインを置き換えるとき、現実的で困難な問題を扱う。 本稿では,2つの領域にまたがる関連カテゴリを整合させる適応的知識伝達フレームワーク(A$2KT)を提案する。
  論文  参考訳（メタデータ） (2020-08-27T00:53:43Z)
• Domain Adaptation for Semantic Parsing [68.81787666086554]
  本稿では,ドメイン適応のための新しいセマンティクスを提案する。このセマンティクスでは,ソースドメインと比較して,対象ドメインのアノテーション付きデータがはるかに少ない。 我々のセマンティックな利点は、2段階の粗大なフレームワークから得ており、2段階の異なる正確な処理を提供できる。 ベンチマークデータセットの実験により、我々の手法はいくつかの一般的なドメイン適応戦略より一貫して優れていることが示された。
  論文  参考訳（メタデータ） (2020-06-23T14:47:41Z)
• Learning to adapt class-specific features across domains for semantic segmentation [36.36210909649728]
  本論文では,クラス情報毎に考慮し,ドメイン間の特徴を適応させることを学習する新しいアーキテクチャを提案する。 我々は最近導入されたStarGANアーキテクチャを画像翻訳のバックボーンとして採用している。
  論文  参考訳（メタデータ） (2020-01-22T23:51:30Z)

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。