269102記事公開中

トレンドワード
  2. AIベンチマークリサーチ
  3. 論文研究
  4. ラベル認識ハードネガティブサンプリング戦略：モメンタムコントラスト学習による暗黙のヘイトスピーチ検出（Label-aware Hard Negative Sampling Strategies with Momentum Contrastive Learning for Implicit Hate Speech Detection）
2 分で読了
0 views

ラベル認識ハードネガティブサンプリング戦略：モメンタムコントラスト学習による暗黙のヘイトスピーチ検出

（Label-aware Hard Negative Sampling Strategies with Momentum Contrastive Learning for Implicit Hate Speech Detection）

さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として
一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、
あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

田中専務

拓海さん、最近役員から『AIでヘイト対策を強化しろ』と言われて困っているのです。ネット上の嫌な書き込みを取り締まる話だと聞きますが、そもそも『暗黙のヘイト』って何が難しいんでしょうか。

AIメンター拓海

素晴らしい着眼点ですね！暗黙のヘイトとは、直接的な罵倒語を使わずに比喩や含み、あるいは前提を使って差別をほのめかす表現です。規則ベースのフィルターでは拾いにくく、機械学習でも識別が難しいんですよ。

田中専務

なるほど。で、今回の論文はどういう“打ち手”を示しているのですか。うちの現場でも使えるような実務的な改善点があると安心するのですが。

AIメンター拓海

大丈夫、一緒に見ていけばできますよ。要点は三つです。まず、モデルが学ぶ負例（ネガティブ）を賢く選ぶこと、次にモメンタムキューで候補を増やすこと、最後にラベル情報を使って同ラベルを誤って負例にしない工夫です。これで性能が上がるんです。

田中専務

モメンタムキューって聞き慣れない言葉ですが、それは一体どんな仕組みですか。投資対効果の視点で言うと、開発や運用のコストに見合う価値があるのかを知りたいのです。

AIメンター拓海

良い質問です。モメンタムキュー（Momentum Queue）は、過去のモデル出力を長く保持して負例候補のプールを作る仕組みです。直近バッチだけで学ぶよりも多様で

論文研究シリーズ
前の記事
Mambaベース言語モデルの実証的研究
（An Empirical Study of Mamba-based Language Models）
次の記事
不均衡データ向けの限定データアクセス・アンラーニング
（GENIU: A Restricted Data Access Unlearning for Imbalanced Data）
関連記事
Building AI Agents for Autonomous Clouds: Challenges and Design Principles
（自律クラウドのためのAIエージェント構築：課題と設計原則）
低ランクTucker表現による多次元データ補完
（LRTuckerRep: Low-rank Tucker Representation Model for Multi-dimensional Data Completion）
多次元パーセプトロンによる効率的かつ説明可能な長文分類
（Multidimensional Perceptron for Efficient and Explainable Long Text Classification）
モデルの外側を狙う前処理攻撃—Deep Learningモデルに対するデータ前処理攻撃
（Beyond the Model: Data Pre-processing Attack to Deep Learning Models in Android Apps）
トンプソン・サンプリング下の反事実推論
（Counterfactual Inference under Thompson Sampling）
多受容野非局所ネットワークと新しいコントラスト正則化による高精度で軽量なデヘイジング
（Accurate and lightweight dehazing via multi-receptive-field non-local network and novel contrastive regularization）
この記事をシェア

有益な情報を同僚や仲間と共有しませんか？

AI技術革新 - 人気記事
ブラックホールと量子機械学習の対応
（Black hole/quantum machine learning correspondence）
  • 論文研究
生成AI検索における敏感なユーザークエリの分類と分析
（Taxonomy and Analysis of Sensitive User Queries in Generative AI Search System）
  • 論文研究
DiReDi：AIoTアプリケーションのための蒸留と逆蒸留
（DiReDi: Distillation and Reverse Distillation for AIoT Applications）
  • 論文研究

PCも苦手だった私が

“AIに詳しい人“
として一目置かれる存在に！
  • AIBRプレミアム
  • 実践型生成AI活用キャンプ
あなたにオススメのカテゴリ
論文研究
最新記事
高解像度マイクロ皮質電図
(µECoG)データの発作検出と波面推定のためのスパイクパターンの教師なし学習（Unsupervised Learning of Spike Patterns for Seizure Detection and Wavefront Estimation of High Resolution Micro Electrocorticographic (µECoG) Data）
  • 論文研究
頸動脈内膜中膜厚（CIMT）ビデオ解釈の自動化 — Automating Carotid Intima-Media Thickness Video Interpretation with Convolutional Neural Networks
  • 論文研究
動作セット：順序なしの弱教師ありアクション分割
(Action Sets: Weakly Supervised Action Segmentation without Ordering)
  • 論文研究
共データで改良する高次元予測とRandom Forestの応用
（Improved high-dimensional prediction with Random Forests by the use of co-data）
  • 論文研究
重み共有は最適化の成功に不可欠
（Weight Sharing is Crucial to Successful Optimization）
  • 論文研究
ストリーミングベイズ推論の理論限界とミニバッチ近似メッセージ伝播
（Streaming Bayesian inference: theoretical limits and mini-batch approximate message-passing）
  • 論文研究
さらに深い洞察を得る

AI戦略の専門知識を身につけ、競争優位性を構築しませんか？

AIBR プレミアム
年間たったの9,800円で
“AIに詳しい人”として一目置かれる存在に！

プレミア会員になって、山ほどあるAI論文の中から効率よく大事な情報を手に入れ、まわりと圧倒的な差をつけませんか？

詳細を見る
【実践型】
生成AI活用キャンプ
【文部科学省認可】
満足度100%の生成AI講座
3ヶ月後には、あなたも生成AIマスター！

「学ぶ」だけではなく「使える」ように。
経営者からも圧倒的な人気を誇るBBT大学の講座では、3ヶ月間質問し放題！誰1人置いていかずに寄り添います。

詳細を見る

AI Benchmark Researchをもっと見る

今すぐ購読し、続きを読んで、すべてのアーカイブにアクセスしましょう。

続きを読む