Fugu-MT 論文翻訳(概要): ConteXtuAlity: an open source Python package for contextuality

論文の概要: ConteXtuAlity: an open source Python package for contextuality

arxiv url: http://arxiv.org/abs/2609.17294v1
Date: Tue, 15 Sep 2026 15:06:45 GMT
ステータス: 翻訳完了
システム内更新日: 2026-09-16 14:56:08.590984
Title: ConteXtuAlity: an open source Python package for contextuality
Title（参考訳）: ConteXtuAlity:文脈性のためのオープンソースのPythonパッケージ
Abstract要約: ConteXtuAlityはコンテキスト性のための層理論フレームワークのインターフェースである。これは、文脈分数と信号分数を計算するための線形プログラムと同様に、測定シナリオと経験的モデルの実装を提供する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present an open source Python package, ConteXtuAlity, for computing various quantities related to contextuality. This package features an interface to the sheaf-theoretic framework for contextuality, providing an implementation of measurement scenarios and empirical models as well as linear programs to compute the contextual fraction and the signalling fraction. In this work, we demonstrate the package's features and give examples of its use. We also provide benchmarks, demonstrating how performances scale with the size of measurement scenarios. The package is designed for both experienced theorists and newcomers to the field of contextuality alike, with an emphasis on flexibility and extensibility.
Abstract（参考訳）: 文脈性に関連するさまざまな量を計算するために,オープンソースのPythonパッケージであるConteXtuAlityを提案する。このパッケージは、文脈性のための層理論フレームワークへのインタフェースを備え、測定シナリオと経験的モデルの実装と、文脈分数と信号分数を計算する線形プログラムを提供する。本研究では,パッケージの特徴を実演し,その使用例を示す。また、測定シナリオのサイズでパフォーマンスがどのようにスケールするかを示すベンチマークも提供しています。このパッケージは経験豊富な理論家と新参者の両方のために設計されており、柔軟性と拡張性に重点を置いている。

関連論文リスト

Context-measure: Contextualizing Metric for Camouflage [63.31489136704254]
カモフラージュは、主にコンテキストに依存しているが、この重要な要因を見落としているキャモフラージュシナリオの現在のメトリクスである。本稿では,確率的画素認識相関フレームワーク上に構築されたコンテキスト評価パラダイムであるコンテキスト尺度を提案する。
論文参考訳（メタデータ） (2025-12-08T01:23:28Z)
VidText: Towards Comprehensive Evaluation for Video Text Understanding [56.121054697977115]
VidTextは、ビデオテキスト理解の総合的かつ詳細な評価のためのベンチマークである。さまざまな現実世界のシナリオをカバーし、多言語コンテンツをサポートする。ビデオレベル、クリップレベル、インスタンスレベルのタスクを備えた階層的評価フレームワークを導入している。
論文参考訳（メタデータ） (2025-05-28T19:39:35Z)
CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
論文参考訳（メタデータ） (2024-05-17T07:43:25Z)
Standardizing the Measurement of Text Diversity: A Tool and a Comparative Analysis of Scores [28.431348662950743]
テキストの繰り返しを計測し抽出するためのPythonパッケージをリリースする。ユーザがテキストの繰り返しをインタラクティブに探索するための、多様性に基づくプラットフォームを構築します。
論文参考訳（メタデータ） (2024-03-01T14:23:12Z)
Rethinking Evaluation Metrics of Open-Vocabulary Segmentaion [78.76867266561537]
評価プロセスは、予測された真理のカテゴリと基底的真理のカテゴリの類似性を考慮せずに、クローズドセットのメトリクスに大きく依存している。この問題に対処するため、まず2つのカテゴリー語間の11の類似度の測定を行った。我々は,3つのオープン語彙セグメンテーションタスクに適した,オープンmIoU,オープンAP,オープンPQという新しい評価指標を設計した。
論文参考訳（メタデータ） (2023-11-06T18:59:01Z)
TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文参考訳（メタデータ） (2023-06-06T03:37:41Z)
torchosr -- a PyTorch extension package for Open Set Recognition models evaluation in Python [0.0]
この記事では、PyTorchライブラリと互換性のあるPythonパッケージであるTorchosrパッケージについて紹介する。このパッケージはオープンセット認識の分野で2つの最先端の方法を提供している。著者らは、このパッケージで利用できる最先端のメソッドが、ドメイン内の関連するソリューションの正しいオープンソース実装の源になることを望んでいる。
論文参考訳（メタデータ） (2023-05-16T17:45:32Z)
TextDescriptives: A Python package for calculating a large variety of metrics from text [3.437656066916039]
TextDescriptivesは、テキストからさまざまなメトリクスを計算するためのPythonパッケージである。臨床テキストの言語的安定性の分析、神経精神医学的状態の予測、小学生の言語的目標の分析にはすでに使われている。
論文参考訳（メタデータ） (2023-01-05T13:19:17Z)
TRIE++: Towards End-to-End Information Extraction from Visually Rich Documents [51.744527199305445]
本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
論文参考訳（メタデータ） (2022-07-14T08:52:07Z)
Graph-based Topic Extraction from Vector Embeddings of Text Documents: Application to a Corpus of News Articles [0.0]
自然言語処理の強力なベクトル埋め込みと,マルチスケールグラフ分割のツールを組み合わせた,教師なしのフレームワークを提案する。グラフベースのクラスタリングの利点を,他の一般的なクラスタリングやトピックモデリング手法とエンドツーエンド比較によって示す。この研究は2016年の大統領選挙の際、アメリカのニュース記事のコーパスを分析して紹介された。
論文参考訳（メタデータ） (2020-10-28T16:20:05Z)

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。