論文の概要: ASE: Attribution-Guided Semantic Evolution for Time Series Forecasting

• arxiv url: http://arxiv.org/abs/2610.23027v1
• Date: Fri, 16 Oct 2026 07:04:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-20 00:56:07.800056
• Title: ASE: Attribution-Guided Semantic Evolution for Time Series Forecasting
• Title（参考訳）: ASE: 時系列予測のための属性ガイド型セマンティック進化
• Abstract要約: 本稿では,テキストファクタ構築のためのモジュール型フレームワークであるAttribution-Guided Semantic Evolution(ASE)を提案する。 4つのテキスト関連TESSデータセットと動的CSI300ストックランキングを評価した。 CSI 300では、凍結されたテキスト融合の実装により、数値の専門家よりも平均ランクICが0.000642、マッチしたシャッフルテキストよりも0.000701改善され、5つのシードに正の差がある。
• 参考スコア（独自算出の注目度）: 11.688153397748627
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: External text can supply predictive information absent from numerical histories, but its value depends on how it is represented, combined and deployed. We present Attribution-guided Semantic Evolution (ASE), a modular framework for constructing textual factors, evaluating their conditional contribution, and deploying validation-selected numerical--textual predictors. ASE supports task-specific implementations with lexical measurements, semantic primitives or evolved event/state factors, coupled to suitable numerical experts. Its feedback-based implementation uses conditional refitting diagnostics to guide factor revision and combination search. We evaluate ASE on the four text-associated TESS datasets and dynamic CSI 300 stock ranking. The four forecasting implementations obtain test MSEs of 0.001041, 0.022439, 0.333115 and 1.8150, each below the corresponding published TESS score. On CSI 300, the frozen text-fusion implementation improves mean RankIC by 0.000642 over its numerical expert and by 0.000701 over matched shuffled text, with positive differences in all five seeds. Controlled text perturbations support functional reliance on text correspondence, while incumbent retention prevents regressions in the measured development criterion. Together, the experiments characterize ASE at two levels: forecasting performance of task-specific implementations and the conditional contributions of individual modules.
• Abstract（参考訳）: 外部テキストは数値履歴から欠落した予測情報を供給することができるが、その価値はどのように表現され、組み合わせられ、デプロイされるかによって異なる。 本稿では,属性誘導型セマンティック・エボリューション(ASE)について紹介する。これは,テキスト要因の構築,条件付きコントリビューションの評価,検証選択型数値テキスト予測器のデプロイのためのモジュールフレームワークである。 ASEは、構文測定、セマンティックプリミティブ、進化したイベント/状態要素を備えたタスク固有の実装をサポートし、適切な数値の専門家と結合する。 フィードバックに基づく実装では、条件付きリフィット診断を使用して、因子修正と組み合わせ探索をガイドしている。 4つのテキスト関連TESSデータセットと動的CSI300ストックランキングに基づいてASEを評価した。 4つの予測実装は0.001041、0.022439、0.0333115、1.8150のテストMSEをそれぞれ発行されたTESSスコアより下位に取得する。 CSI 300では、凍結されたテキスト融合の実装により、数値の専門家よりも平均ランクICが0.000642、マッチしたシャッフルテキストよりも0.000701改善され、5つのシードに正の差がある。 制御されたテキスト摂動はテキスト対応に機能的依存を支持するが、既存の保持は測定された開発基準の回帰を防ぐ。 実験では、ASEをタスク固有の実装の性能予測と、個々のモジュールの条件付きコントリビューションの2つのレベルに特徴付けている。

関連論文リスト

• TextualRL: Textual Reinforcement Learning for Context Management [55.50029888438733]
  TextualRLは勾配のない強化学習フレームワークで、同じタスクから同じコンテキスト下でロールアウトするグループを扱う。 Groupwise Policy Critiqueは、タスク内の成功と失敗のロールアウトを対比し、保存する価値のある行動や補修仮説を定式化するためのクロスタスクの証拠を描いている。 Cross-Group Policy Updateは、グループ間でプールされた証拠に対する提案をレビューした。
  論文  参考訳（メタデータ） (2026-10-13T11:47:32Z)
• From Affect Prediction to Affect Forecasting: Evidence for Distinct Information Sources in Longitudinal Text [2.2999148299770047]
  既存のアプローチでは、各テキストを独立した観察として扱い、両方のタスクに同様の仮定を適用することが多い。 本稿では、縦断的な自己報告エコロジーエッセイと感情語エントリを用いた区別について検討する。 その結果、テキスト意味論は現在の影響予測を支持しているのに対し、将来の感情変化は以前の数値軌道力学によりよりよく捉えられることがわかった。
  論文  参考訳（メタデータ） (2026-06-15T13:21:58Z)
• Reward-Guided Semantic Evolution for Test-time Adaptive Object Detection [82.2968697030677]
  Grounding DINOのような視覚言語モデル(VLM)を用いたオープン語彙オブジェクト検出は、テスト時間分布シフト時の性能劣化に悩まされる。 Reward-Guided Semantic Evolution (RGSE) は、テスト時にテキストの埋め込みを直接洗練するトレーニング不要のフレームワークである。
  論文  参考訳（メタデータ） (2026-05-06T06:17:41Z)
• Creation of the Estonian Subjectivity Dataset: Assessing the Degree of Subjectivity on a Scale [1.6058099298620423]
  データセットは、1000のドキュメント-300のジャーナリスト記事と700のランダムに選択されたWebテキストで構成されている。 このデータセットは、アノテーション自動化の実験としてGPT-5によって生成されるスコアを含む。
  論文  参考訳（メタデータ） (2025-12-10T13:22:16Z)
• SCORE: A Semantic Evaluation Framework for Generative Document Parsing [2.5101597298392098]
  マルチモーダル生成文書解析システムは意味論的に正しいが構造的に異なる出力を生成する。 従来のメトリクス-CER, WER, IoU, TEDS-misclassized such diversity as error, penalizing valid interpretations and obscuring system behavior。 SCORE, (i) 調整した編集距離を頑健な内容の忠実度と統合する解釈非依存のフレームワーク, (ii) トークンレベルの診断で幻覚と排便を区別する, (iii) 空間的寛容とセマンティックアライメントによるテーブル評価, (iv) 階層対応の整合性チェックを紹介する。
  論文  参考訳（メタデータ） (2025-09-16T16:06:19Z)
• Intrinsic vs. Extrinsic Evaluation of Czech Sentence Embeddings: Semantic Relevance Doesn't Help with MT Evaluation [0.0]
  本稿では,チェコ語固有の文の埋め込みモデルと多言語文の埋め込みモデルを,本質的および外生的評価パラダイムを用いて比較する。 内在的評価には、複雑な文変換データセットであるCostraといくつかのセマンティックテキスト類似性(STS)ベンチマークを用いて、埋め込みが言語現象を捉える能力を評価する。 余分な評価では,マシン翻訳評価のためのCOMETベースのメトリクスを用いて,各埋め込みモデルを微調整する。
  論文  参考訳（メタデータ） (2025-06-25T07:46:17Z)
• ZZU-NLP at SIGHAN-2024 dimABSA Task: Aspect-Based Sentiment Analysis with Coarse-to-Fine In-context Learning [0.36332383102551763]
  DimABSAタスクはレストランレビューに微妙な感情強度予測を必要とする。 そこで本稿では,DimABSAタスクに対するBaichuan2-7Bモデルに基づく大まかなインコンテクスト学習手法を提案する。
  論文  参考訳（メタデータ） (2024-07-22T02:54:46Z)
• Compositional Generalization for Data-to-Text Generation [86.79706513098104]
  本稿では,群に述語をクラスタ化することで構成一般化に対処する新しいモデルを提案する。 本モデルでは,1つの述語を1度に1つのクラスタに依存して文単位でテキストを生成する。 すべての評価指標でT5ベースラインをはるかに上回る。
  論文  参考訳（メタデータ） (2023-12-05T13:23:15Z)
• Evaluation of Faithfulness Using the Longest Supported Subsequence [52.27522262537075]
  本稿では,文脈によって支持される請求項の最長不連続性を計算し,機械生成テキストの忠実さを評価する新しい手法を提案する。 新しい人間アノテーション付きデータセットを使用して、モデルを微調整してLongest Supported Subsequence(LSS)を生成する。 提案手法は,我々のデータセットの忠実度に対する最先端のメトリクスよりも18%向上していることを示す。
  論文  参考訳（メタデータ） (2023-08-23T14:18:44Z)
• Retrieval-based Disentangled Representation Learning with Natural Language Supervision [61.75109410513864]
  本稿では,VDR(Vocabulary Disentangled Retrieval)を提案する。 提案手法では,両エンコーダモデルを用いて語彙空間におけるデータと自然言語の両方を表現する。
  論文  参考訳（メタデータ） (2022-12-15T10:20:42Z)
• Automated Concatenation of Embeddings for Structured Prediction [75.44925576268052]
  本稿では, 埋め込みの自動結合(ACE)を提案し, 構造予測タスクにおける埋め込みのより優れた結合を見つけるプロセスを自動化する。 我々は、強化学習の戦略に従い、制御器のパラメータを最適化し、タスクモデルの精度に基づいて報酬を計算する。
  論文  参考訳（メタデータ） (2020-10-10T14:03:20Z)

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。