論文の概要: Predicting Emerging Topics from Outliers: A Prospective Study of Weak Signals in Embedding Space

• arxiv url: http://arxiv.org/abs/2609.29183v1
• Date: Thu, 24 Sep 2026 07:55:11 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-25 21:10:09.78253
• Title: Predicting Emerging Topics from Outliers: A Prospective Study of Weak Signals in Embedding Space
• Title（参考訳）: 外部からの新興トピックの予測:埋め込み空間における弱信号の展望
• Abstract要約: 埋め込みベースのトピックモデルを組み込んだいくつかの文書は、当初はノイズとして分類され、後に新興トピックの創始メンバーとなった。 文書が最初に現れるときのみ利用可能な情報を用いて、予測外乱を予測できるかどうかを考察する。
• 参考スコア（独自算出の注目度）: 0.30586855806896046
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Some documents that embedding-based topic models initially classify as noise later become founding members of emerging topics. At publication time, however, they appear as scattered points in embedding space and are difficult to distinguish from ordinary noise without the benefit of hindsight. We study whether such anticipatory outliers can be predicted prospectively, using only information available when a document first appears. We derive labels from the subsequent trajectories of outlier documents, distinguishing those that anticipate new topics from those that reinforce existing topics or remain isolated, and estimate label confidence through agreement across multiple embedding models. On two French news corpora, anticipatory outliers prove predictable at publication time. Under cross-validation, $F_1$ rises from about 0.77 over the full eligible population to above 0.90 on high-consensus subsets, and remains at 0.76-0.80 under a strictly chronological evaluation. Predictive performance is driven mainly by geometric features capturing each outlier's position in embedding space.
• Abstract（参考訳）: 埋め込みベースのトピックモデルを組み込んだいくつかの文書は、当初はノイズとして分類され、後に新興トピックの創始メンバーとなった。 しかし、公開時には埋め込み空間に散らばった点として現れ、後見の恩恵を受けずに通常の騒音と区別することが困難である。 文書が最初に現れるときのみ利用可能な情報を用いて、予測外乱を予測できるかどうかを考察する。 既存のトピックを補強したり、孤立し続けているトピックと、新たなトピックを予想するトピックを区別し、複数の埋め込みモデル間での合意を通じてラベルの信頼性を推定する。 2つのフランスのニュースコーパスでは、予想外のアウトリーチが出版時に予測可能であることが証明されている。 クロスバリデーションの下では、F_1$は全人口に対して約0.77ドルから約0.90ドルに上昇し、厳密な時系列評価の下では0.76-0.80に留まる。 予測性能は主に、埋め込み空間における各外れ値の位置を捉える幾何学的特徴によって駆動される。

関連論文リスト

• Lightweight Person-Place Relation Extraction from Historical Newspapers with Dependency Graphs and Proximity Features [0.0]
  本研究では,関係分類段階において,事前学習された言語モデルなしで,軽量で解釈可能なシステムがどこまで進むことができるかを検討する。 提案手法は,依存関係解析から文書レベルグラフを構築し,各エンティティペアの近接的特徴と部分的特徴を抽出し,それらをScikit-Lernアンサンブルあるいはコンパクトグラフアテンションネットワークで分類する。 公式評価 (テストA, 新聞テストセット) では, ベストランが0.5142のマクロリコールに達し, 17チーム中, 3位にランクインした。
  論文  参考訳（メタデータ） (2026-07-22T03:35:56Z)
• Before the Action: Benchmarking LLMs on Prospective Hypothesis Discovery [95.44432473367836]
  大規模言語モデル(LLM)は、事前に特定された質問に答える能力に優れるが、未解決の未解決段階をナビゲートする能力はほとんど測定されていない。 仮説探索(PHD)を導入し,不確定な証拠から,仮説空間を自律的に構築することをモデルに求める。 本稿では,6つの科学的・分析的領域にわたる988ケースのベンチマークであるHypoArenaと,オープンエンド仮説セットの評価フレームワークであるHypoEvalを紹介する。
  論文  参考訳（メタデータ） (2026-07-17T08:56:43Z)
• From Noise to Signal: When Outliers Seed New Topics [0.4977593448452647]
  動的トピックモデリングにおける外乱は一般的にノイズとして扱われるが、新しいトピックの早期のシグナルとして機能するものもある。 本稿では,文書が時間とともに話題形成とどのように関連しているかを規定する,ニュース文書トラジェクトリの時間的分類について紹介する。
  論文  参考訳（メタデータ） (2026-03-18T23:54:18Z)
• Beyond Memorization: Reasoning-Driven Synthesis as a Mitigation Strategy Against Benchmark Contamination [77.69093448529455]
  本稿では,arXiv論文から直接研究レベルのQAを合成するために,無限にスケーラブルなフレームワークを用いて実証的研究を行う。 各種サイズ,開発者,リリース日といったモデルについて,知識カットオフ日に近い性能劣化の欠如を評価した。 合成パイプラインで要求される多段階の推論は、浅い記憶よりも深い複雑さをもたらしたと仮定する。
  論文  参考訳（メタデータ） (2025-08-26T16:41:37Z)
• Pre-training and Diagnosing Knowledge Base Completion Models [58.07183284468881]
  我々は,事実の集合から他の集合への知識伝達へのアプローチを,エンティティや関係マッチングを必要とせずに導入し,分析する。 主な貢献は、構造化されていないテキストから収集された事実の大規模事前学習を利用する方法である。 得られた事前学習モデルをよりよく理解するために,オープン知識ベースコンプリートのための事前学習モデルの解析のための新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2024-01-27T15:20:43Z)
• Neural Temporal Point Processes for Forecasting Directional Relations in Evolving Hypergraphs [10.803714426078642]
  汎用環境での方向性関係の予測問題に対する包括的解を提供する。 可能なハイパーエッジの数は、イベント時間毎のノード数で指数関数的である。 予測過程を複数の段階に分割する逐次生成手法を提案する。
  論文  参考訳（メタデータ） (2023-01-28T14:32:14Z)
• Author Clustering and Topic Estimation for Short Texts [69.54017251622211]
  同じ文書中の単語間の強い依存をモデル化することにより、遅延ディリクレ割当を拡張できる新しいモデルを提案する。 同時にユーザをクラスタ化し、ホック後のクラスタ推定の必要性を排除しています。 我々の手法は、短文で生じる問題に対する従来のアプローチよりも、-または----------- で機能する。
  論文  参考訳（メタデータ） (2021-06-15T20:55:55Z)
• Weakly-Supervised Aspect-Based Sentiment Analysis via Joint Aspect-Sentiment Topic Embedding [71.2260967797055]
  アスペクトベース感情分析のための弱教師付きアプローチを提案する。 We learn sentiment, aspects> joint topic embeddeds in the word embedding space。 次に、ニューラルネットワークを用いて単語レベルの識別情報を一般化する。
  論文  参考訳（メタデータ） (2020-10-13T21:33:24Z)

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。