Daily Arxiv

Cette page résume et organise les publications en intelligence artificielle du monde entier.
Les contenus sont synthétisés grâce à Google Gemini et le service est proposé à but non lucratif.
Les droits d'auteur des articles appartiennent à leurs auteurs ou institutions respectives ; en cas de partage, il suffit d'en mentionner la source.

MMoE : Détection robuste des spoilers avec informations multimodales et mélange d'experts sensible au domaine

Created by
  • Haebom

Auteur

Zinan Zeng, Sen Ye, Zijian Cai, Heng Wang, Yuhan Liu, Haokai Zhang, Minnan Luo

Contour

Cet article propose MMoE, un réseau multimodal pour la détection de spoilers sur les sites de critiques de films en ligne. Contrairement aux méthodes existantes qui se concentrent uniquement sur le contenu textuel des critiques, MMoE exploite les informations multimodales en extrayant des graphes, du texte et des méta-caractéristiques du réseau utilisateur-film, du contenu textuel des critiques et de leurs métadonnées. Pour gérer le langage spoiler spécifique au genre, MMoE adopte une architecture Mixture-of-Experts pour améliorer la robustesse, et une couche de fusion experte intègre des caractéristiques issues de différentes perspectives pour la prédiction. Les résultats expérimentaux démontrent que MMoE surpasse les méthodes de pointe de respectivement 2,56 % et 8,41 % en termes de précision et de score F1, sur deux jeux de données de détection de spoilers largement utilisés, démontrant ainsi une robustesse et des performances de généralisation supérieures. Le code est disponible sur GitHub.

Takeaways, Limitations

•
Takeaways:
◦
Nous avons amélioré les performances de détection des spoilers en exploitant des informations multimodales (graphique, texte et métadonnées).
◦
Nous avons amélioré la robustesse et les performances de généralisation contre les spoilers spécifiques au genre grâce à une architecture Mixture-of-Experts.
◦
Il a atteint des performances nettement supérieures à celles des modèles les plus performants existants.
◦
Le code a été rendu public pour des raisons de reproductibilité.
•
Limitations:
◦
Il pourrait exister une dépendance aux données provenant de sites web spécifiques de critiques de films en ligne. Des recherches supplémentaires sont nécessaires pour déterminer la généralisation à d'autres plateformes.
◦
Des recherches supplémentaires pourraient être nécessaires pour optimiser le nombre d’experts ou la structure du mélange d’experts.
◦
Il y a un manque d’évaluation des performances sur les données d’évaluation provenant de diverses langues ou origines culturelles.
👍
Made with Slashpage