Fugu-MT 論文翻訳(概要): Residual Semantic Decomposition of Word Embeddings

論文の概要: Residual Semantic Decomposition of Word Embeddings

arxiv url: http://arxiv.org/abs/2605.17482v1
Date: Sun, 17 May 2026 14:44:13 GMT
ステータス: 翻訳完了
システム内更新日: 2026-05-19 17:57:48.114784
Title: Residual Semantic Decomposition of Word Embeddings
Title（参考訳）: 単語埋め込みの残留意味分解
Authors: Seungmin Jin,
Abstract要約: 本稿では,単語埋め込みの神経付加的分解であるResidual Semantic Decomposition (RSD)を紹介する。手動で指定したあいまいな単語に対するペアコンテキスト診断では、RSDはシャッフルラベル制御上の供給コンテキストアンカーを分離するが、エントロピー診断は、あいまいなターゲットが静的GloVeの均一に高エントロピー境界点ではないことを示す。
参考スコア（独自算出の注目度）: 1.319264621062542
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We introduce Residual Semantic Decomposition (RSD), a neural additive decomposition of word embeddings that balances embedding reconstruction with relational structure preservation. RSD supports recursive binary decomposition: each $K=2$ fit extracts a local semantic axis, while residuals expose information not absorbed by that axis. In manually specified paired-context diagnostics over ambiguous words, RSD separates supplied context anchors above shuffled-label controls, but entropy diagnostics show that ambiguous targets are not uniformly high-entropy boundary points in static GloVe. We therefore treat residual neighborhoods as qualitative diagnostics rather than benchmark sense predictions.
Abstract（参考訳）: Residual Semantic Decomposition (RSD) は, 単語埋め込みのニューラルネットワークによる付加分解であり, 組込み再構成と関係構造保存のバランスをとる。 RSDは再帰的バイナリ分解をサポートし、各$K=2$ fitは局所的な意味軸を抽出し、残余はその軸に吸収されない情報を公開する。手動で指定したあいまいな単語に対するペアコンテキスト診断では、RSDはシャッフルラベル制御上の供給コンテキストアンカーを分離するが、エントロピー診断は、あいまいなターゲットが静的GloVeの均一に高エントロピー境界点ではないことを示す。そこで我々は,残余近傍をベンチマークセンス予測よりも定性的診断として扱う。

関連論文リスト

FactorizedHMR: A Hybrid Framework for Video Human Mesh Recovery [6.1625435030904745]
HMR(Human Mesh Recovery)は基本的に曖昧である。本稿では,これら2つの状態の異なる2段階のフレームワークであるFacterizedHMRを提案する。 FactorizedHMRは、カメラスペースとワールドスペースのベンチマークにおいて、強力なベースラインと競合し続けている。
論文参考訳（メタデータ） (2026-05-14T13:59:56Z)
DegBins: Degradation-Driven Binning for Depth Super-Resolution [57.61783461543096]
DegBinsは、劣化駆動のビンニングを利用して残留モデリングを適応的に強化する新しいDSRフレームワークである。 DegBinsは、精度、堅牢性、一般化の観点から、既存の最先端メソッドを一貫して上回っている。
論文参考訳（メタデータ） (2026-05-10T16:17:11Z)
Domain-Aware Hierarchical Contrastive Learning for Semi-Supervised Generalization Fault Diagnosis [49.89578655034085]
本稿では,障害診断のためのドメイン認識型階層的コントラスト学習(DAHCL)という統合フレームワークを提案する。 DAHCLは、ソースドメインの幾何学的特徴を捉え、異種ソースドメイン間の擬似ラベル予測を校正する。また,動的信頼層化とファジィコントラスト監視を組み合わせた階層型コントラスト学習モジュールを開発した。
論文参考訳（メタデータ） (2026-04-22T08:41:27Z)
Learning Continuous Wasserstein Barycenter Space for Generalized All-in-One Image Restoration [42.24031155235307]
BaryIRは、Wasserstein Barycenter(WB)空間のマルチソース劣化機能を調整する表現学習フレームワークである。 BaryIRは最先端のオールインワン手法と競合することを示す。
論文参考訳（メタデータ） (2026-02-26T16:31:27Z)
On the Structural Non-Preservation of Epistemic Behaviour under Policy Transformation [51.56484100374058]
このような情報条件の相互作用パターンを振る舞い依存として定式化する。これにより、$$-behavioural equivalenceというプローブ相対的な概念と、政治内行動距離が導かれる。その結果、共通政策変換の下でプローブ条件の挙動分離が保存されない構造条件が明らかになった。
論文参考訳（メタデータ） (2026-02-24T22:55:21Z)
Asymptotic Semantic Collapse in Hierarchical Optimization [0.5729426778193398]
マルチエージェント言語システムは、共有された支配的コンテキストが個々の意味論を徐々に吸収する障害モードを示すことができる。階層最適化における漸近的セマンティック崩壊(Asymptotic Semantic Collapse in Hierarchical Optimization)という名でこの効果を研究する。我々は、周辺エージェントノードとの繰り返しの相互作用が、グローバルな損失を最小限に抑えるアライメントを駆動していることを示す。
論文参考訳（メタデータ） (2026-02-01T00:02:01Z)
Robust extended states in Anderson model on partially disordered random regular graphs [44.99833362998488]
スペクトルの運動量エッジは、無限大の均一分散障害において、ある範囲のパラメータ$(d,beta)$で生存することが示されている。スパースと超高密度RRGの局在特性の双対性が発見され、理解されている。
論文参考訳（メタデータ） (2023-09-11T18:00:00Z)
Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文参考訳（メタデータ） (2021-04-01T03:21:57Z)
Exploiting Sample Uncertainty for Domain Adaptive Person Re-Identification [137.9939571408506]
各サンプルに割り当てられた擬似ラベルの信頼性を推定・活用し,ノイズラベルの影響を緩和する。不確実性に基づく最適化は大幅な改善をもたらし、ベンチマークデータセットにおける最先端のパフォーマンスを達成します。
論文参考訳（メタデータ） (2020-12-16T04:09:04Z)
Weakly-Supervised Cross-Domain Adaptation for Endoscopic Lesions Segmentation [79.58311369297635]
異なるデータセットにまたがるトランスファー可能なドメイン不変知識を探索できる,新しい弱い教師付き病巣移動フレームワークを提案する。 wasserstein quantified transferability frameworkは、広い範囲の転送可能なコンテキスト依存性を強調するために開発されている。新規な自己監督型擬似ラベル生成器は、送信困難かつ転送容易なターゲットサンプルの両方に対して、確実な擬似ピクセルラベルを等しく提供するように設計されている。
論文参考訳（メタデータ） (2020-12-08T02:26:03Z)

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。