Shotaro Ishihara

# どんなもの？ Uberから出た論文。trainとtestの性質が異なってしまう機械学習のよくある課題に対して、Kaggleで頻出なAdversarial Validationを使って対応したという話。 ## 論文リンク https://arxiv.org/abs/2004.03045

# どんなもの？ 近年発展する質問応答技術を活用して、研究者が自然言語で学術論文を検索できるシステムを設計。学部生のときとか、適切な検索クエリが分からない場合があるので、質問文で検索できるのは良さそう。 https://arxiv.org/abs/2004.02002

# どんなもの？ 記事の見出し生成タスクにおいて、単なる要約ではなく、ユーモア・ロマンチック・クリック誘導の3観点で「色を付ける」取り組み。Newyork TimesやCNNの記事データを用いて実験している。  https://arxiv.org/abs/2004.01980

# どんなもの？ 時系列のM4コンペ参加者の論文。「We identify data leakage as one reason for its success」とあり、今後のコンペ設計に関する提唱もしている。 https://arxiv.org/abs/2003.12796

# どんなもの？ サッカークラブの埋め込み表現「STEVE」を提案。「同じクラブに勝つ2つのクラブは似ている」という仮定の下で計算。機械学習アルゴリズムの入力として活用できる。サッカークラブの市場価値を推定するタスクで、優れた性能を示した。 #spoana https://arxiv.org/abs/1908.00698

# どんなもの？ commit情報（author name, commit message, file changedなど）を基に、botか否かを判定。AUCで0.9出ている。botを除くことで、OSSプロジェクトの生産性などを正しく見積もりたいという課題意識から。 https://arxiv.org/abs/2003.03172

# どんなもの？ Kaggle「Jigsaw Unintended Bias in Toxicity Classification」コンペのデータを使った分析 https://arxiv.org/abs/1909.09758

# どんなもの？ 将来8時間までの降水量を予測するニューラルネットワーク「MetNet」。入力はレーダー・衛星データで、降水量の確率マップを作成。 https://arxiv.org/abs/2003.12140

# どんなもの？ NLPの手動アノテーションの負担を軽減し、信頼性を維持するためのactive learningを活用したクラウドソーシング戦略について。Amazon Mechanical Turkを利用。 https://arxiv.org/abs/2003.12139

# どんなもの？ プロパガンダか否かの判定にBERTを利用する際、不均衡性に対応すべく損失を重み付けする方法について。このデータに対して単純なover samplingでは性能改善しないことも確認している。 https://arxiv.org/abs/2003.11563