文献

J-GLOBAL ID：201802225454134666   整理番号：18A0726938

ジャーナリズム関連性検出モデルを訓練するための半教師付きデータセットの構築【JST・京大機械翻訳】

Building a Semi-Supervised Dataset to Train Journalistic Relevance Detection Models

著者 (2件)： Guimaraes Nuno Ricardo Pinheiro da Silva ,  Figueira Alvaro Pedro de Barros Borges Reis
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2017  号： DASC/PiCom/DataCom/CyberSciTech  ページ： 1271-1277  発行年： 2017年 
JST資料番号： W2441A  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 注釈付きデータは教師つき学習タスクのための最も重要な要素の一つである。モデルの信頼性を確実にするために,このデータは,通常,ボランティアを通して,または,Crowd消費プラットフォームを使用することによって,いくつかの人間の注釈者によってラベル付けされる。しかし,そのようなアプローチは,膨大な数のエントリーを持つデータセットにおいて実行可能でない(時間とコストに関して),社会的メディアポストにおける旅行関連性検出の特定ケースにおいて,関連すると考えられる広範囲の話題により必要である。したがって,関連性検出モデルを構築する目的で,著者らは,Twitterポスト(すなわち,ツイート)の旅行的関連性に関する大規模注釈付けデータセットを構築するためのアーキテクチャを提案した。この方法論はTwitter会計における含有量の予測可能性に基づいている。次に,検索されたデータセットを用いて,テキスト,エンティティ,および感情特徴を組み合わせて,関連性検出モデルを構築した。最終的に,著者らは,FaceブックとTwitterからのポストを持つより小さい人手で注釈されたデータセットを通して,最良のモデルを検証した。検証データセットで達成されたF1測度は63%で,まだ優れていない。しかし,検証データの特性を考えると,これらの結果は,1)他のソーシャルネットワークからのコンテンツによって影響されない,2)検証データセットは特定の時間間隔と特定のキーワード(モデルの性能に影響を与える)に制約された。Copyright 2018 The Institute of Electrical and Electronics Engineers, Inc. All Rights reserved. Translated from English into Japanese by JST【JST・京大機械翻訳】

シソーラス用語： *アノテーション ,  信頼性 ,  コンテンツ ,  ボランティア ,  予測可能性 ,  教師つき学習 ,  計算機アーキテクチャ ,  旅行 ,  会計 ,  キーワード ,  測度
準シソーラス用語： 時間間隔 ,  社会的ネットワーク ,  エンティティ ,  テキスト , 【Automatic Indexing@JST】

分類 (2件)： 人工知能  (JE08000Z) ,  その他の情報処理  (JE15050M)

タイトルに関連する用語 (7件)： ジャーナリズム ,  関連性 ,  モデル ,  訓練 ,  教師 ,  データセット ,  構築