Fugu-MT 論文翻訳(概要): Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective

論文の概要: Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective

arxiv url: http://arxiv.org/abs/2607.05416v1
Date: Tue, 23 Jun 2026 03:20:57 GMT
ステータス: 翻訳完了
システム内更新日: 2026-07-13 07:26:11.090394
Title: Text Distance from Nested and Hierarchical Repetitions: A Compression-Based Perspective
Title（参考訳）: ネストと階層的反復からのテキスト距離:圧縮に基づく視点
Abstract要約: アルゴリズム情報理論(AIT)に基づく構造解析の新しい手法を提案する。中心となるのがLadderpathアプローチであり、言語配列における繰り返しサブ構造間のネストと階層的な関係を抽出する。以上の結果から,Ladderpath が取得した構造化表現は,本質的な性質を保ちつつ,テキストモデリングの軽量で解釈可能な,トレーニング不要な代替手段を提供することがわかった。
参考スコア（独自算出の注目度）: 20.375127126409165
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We present a new method for structural sequence analysis grounded in Algorithmic Information Theory (AIT). At its core is the Ladderpath approach, which extracts nested and hierarchical relationships among repeated substructures in linguistic sequences -- an instantiation of AIT's principle of describing data through minimal generative programs. These structures are then used to define three distance measures: a normalized compression distance (NCD), and two alternative distances derived directly from the Ladderpath representation. Integrated with a $k$-nearest neighbor classifier, these distances achieve strong and consistent performance across in-distribution, out-of-distribution (OOD), and few-shot text classification tasks. In particular, all three methods outperform both gzip-based NCD and BERT under OOD and low-resource settings. These results demonstrate that the structured representations captured by Ladderpath preserve intrinsic properties of sequences and provide a lightweight, interpretable, and training-free alternative for text modeling. This work highlights the potential of AIT-based approaches for structural and domain-agnostic sequence understanding.
Abstract（参考訳）: 本稿では,アルゴリズム情報理論(AIT)に基づく構造解析手法を提案する。中心となるのがLadderpathアプローチで、言語配列の繰り返しサブ構造間のネストと階層的な関係を抽出する。これらの構造は、正規化圧縮距離(NCD)とラダーパス表現から直接派生した2つの代替距離の3つの距離測度を定義するために使用される。 k$-nearest 隣の分類器と統合されたこれらの距離は、分布内、分布外(OOD)、および少数ショットのテキスト分類タスクにまたがって、強力で一貫したパフォーマンスを達成する。特に、3つのメソッドは、OODおよび低リソース設定下で、gzipベースのNCDとBERTの両方より優れている。これらの結果は、Ladderpathが取得した構造化表現が、配列の本質的な性質を保ち、軽量で、解釈可能で、トレーニング不要なテキストモデリングの代替手段を提供することを示した。この研究は、構造的およびドメインに依存しないシーケンス理解のためのAITベースのアプローチの可能性を強調している。

関連論文リスト

SGSoft: Learning Fused Semantic-Geometric Features for 3D Shape Correspondence via Template-Guided Soft Signals [23.94595783675059]
変形可能な3次元形状にまたがる密接な対応を学習することは、構造的変動、非等方的変形、不整合トポロジーによる長年にわたる課題である。 SGSoftは、標準テンプレート上に測地対応フィールドを構築し、事前訓練されたセマンティックプリミティブによって導かれる多モード密度記述子を学習する統合固有のパイプラインである。 SGSoftは最先端のカテゴリー間一般化を実現し、従来の手法の中で最高の精度と効率のトレードオフを提供する。
論文参考訳（メタデータ） (2026-05-18T08:31:04Z)
Explaining, Verifying, and Aligning Semantic Hierarchies in Vision-Language Model Embeddings [10.299190830046872]
本稿では,VLMによって誘発されるセマンティック階層を,特定の子クラスに対して説明し,検証し,調整するためのポストホックフレームワークを提案する。我々は,効率的な木認識とエッジレベルの整合性尺度を用いて,抽出した木と人間の検索を比較して妥当性を定量化し,説明可能な階層木トラバース推定による有用性を評価する。
論文参考訳（メタデータ） (2026-03-26T00:38:38Z)
RiboSphere: Learning Unified and Efficient Representations of RNA Structures [57.40815107640066]
RNAのバックボーンは非常に柔軟で、非カノニカル相互作用が一般的であり、実験的に決定された3D構造は比較的少ない。本稿では,ベクトル量子化とフローマッチングを組み合わせることで,RNAの固有な幾何学的表現を学習するフレームワークであるemphRiboSphereを紹介する。
論文参考訳（メタデータ） (2026-03-20T04:36:35Z)
Improving LLM Reasoning with Homophily-aware Structural and Semantic Text-Attributed Graph Compression [55.51959317490934]
大規模言語モデル(LLM)は、テキスト分散グラフ(TAG)理解において有望な能力を示している。グラフは本来、構造情報や意味情報を豊富に含むものであり、それらの有効利用はLLMの推論性能の潜在的な利益を解放する可能性があると論じる。グラフホモフィリーの活用を目的としたフレームワーク LLMs (HS2C) のホモフィリー対応構造とセマンティック圧縮を提案する。
論文参考訳（メタデータ） (2026-01-13T03:35:18Z)
FUSE: Fast Semi-Supervised Node Embedding Learning via Structural and Label-Aware Optimization [0.0]
3つの相補的目的を共同で最適化する高速半教師あり組込みフレームワークを提案する。標準ベンチマークにおいて,本手法は最先端手法と同等以上の分類精度を一貫して達成する。
論文参考訳（メタデータ） (2025-10-13T10:39:58Z)
Hierarchical Neural Semantic Representation for 3D Semantic Correspondence [72.8101601086805]
階層型ニューラルセマンティック表現(HNSR)を設計し,高次構造と多分解能局所幾何学的特徴を捉える。第2に,グローバルなセマンティック特徴を用いた粗いセマンティック対応を確立する,プログレッシブなグローバル-ローカルマッチング戦略を設計する。第3に,本フレームワークはトレーニングフリーで,様々なトレーニング済みの3D生成バックボーンと広範囲に互換性があり,多様な形状カテゴリにまたがる強力な一般化が示されている。
論文参考訳（メタデータ） (2025-09-22T07:23:07Z)
Structure-Aware Correspondence Learning for Relative Pose Estimation [65.44234975976451]
相対的なポーズ推定は、オブジェクトに依存しないポーズ推定を達成するための有望な方法を提供する。既存の3D対応方式は、可視領域における小さな重複と、可視領域に対する信頼できない特徴推定に悩まされている。本稿では,2つの鍵モジュールからなる相対詩推定のための構造認識対応学習手法を提案する。
論文参考訳（メタデータ） (2025-03-24T13:43:44Z)
Joint Hierarchical Representation Learning of Samples and Features via Informed Tree-Wasserstein Distance [26.56040530884434]
本稿では,Tree-Wasserstein Distance (TWD) を用いて,サンプルと特徴の階層的表現を学習するための教師なし手法を提案する。本手法は2つのデータモードを交互に構成する。まず1つのモードのツリーを構築し、次にそのツリーに基づいて他のモードのTWDを計算し、最終的にTWDを用いて第2のモードのツリーを構築する。本稿では,提案手法をハイパーボリックグラフ畳み込みネットワークに前処理として組み込むことができ,リンク予測やノード分類タスクの性能を向上させることができることを示す。
論文参考訳（メタデータ） (2025-01-07T08:54:42Z)
Integrating Hierarchical Semantic into Iterative Generation Model for Entailment Tree Explanation [7.5496857647335585]
本稿では,HiSCG (Controller-Generator) の枠組みに基づいて文の階層的意味論を統合するアーキテクチャを提案する。提案手法はEntailmentBankデータセットの3つの設定で同等のパフォーマンスを実現する。
論文参考訳（メタデータ） (2024-09-26T11:46:58Z)
Sequential Visual and Semantic Consistency for Semi-supervised Text Recognition [56.968108142307976]
Scene Text Recognition (STR) は、大規模なアノテートデータを必要とする課題である。既存のSTR法の多くは、STRモデルの性能を低下させ、ドメイン差を生じさせる合成データに頼っている。本稿では,視覚的・意味的両面から単語レベルの整合性正則化を取り入れたSTRの半教師付き学習手法を提案する。
論文参考訳（メタデータ） (2024-02-24T13:00:54Z)
Hierarchical clustering with dot products recovers hidden tree structure [53.68551192799585]
本稿では,階層構造の回復に着目した凝集クラスタリングアルゴリズムの新しい視点を提案する。クラスタを最大平均点積でマージし、例えば最小距離やクラスタ内分散でマージしないような、標準的なアルゴリズムの単純な変種を推奨する。このアルゴリズムにより得られた木は、汎用確率的グラフィカルモデルの下で、データ中の生成的階層構造をボナフェイド推定することを示した。
論文参考訳（メタデータ） (2023-05-24T11:05:12Z)

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。