公共部門における効果的な処理と分析のための方法を埋め込んだ最新のベンチマーキングウェブサイト

科学分野:

• コンピュータサイエンス コンピュータサイエンス
• インフォメーション・リトリーバルの検索
• ウェブサイエンス ウェブサイエンス

背景:

• ウェブサイトの機械理解は,さまざまなアプリケーションに不可欠です.
• ウェブサイトの埋め込みは,地方政府のデジタルトランスフォーメーションの監視などのタスクに不可欠です.
• 最適な解決策を見つけるために,さまざまなウェブサイトの埋め込み方法を評価することが必要です.

研究 の 目的:

• 機械理解のための最先端のウェブサイト埋め込み方法を比較する.
• 地方政府のウェブサイトモニタリングのための視覚的,混合的,およびテキスト組み込みモデルの有効性を評価する.
• ゼロショットと移転学習のアプローチを使用してモデルのパフォーマンスを評価する.

主な方法:

• 視覚的,混合的,およびテキスト的なウェブサイトの組み込みモデルの比較.
• ベースラインモデル:ウェブサイトヘッダセクションを埋め込む.
• 3 つのデータセットでゼロショットと転送学習を使用してパフォーマンスの評価.
• メトリック:インベディングスコア,分類性能 (精度,F1スコア),処理時間.

主要な成果:

• Homepage2Vec (ビジュアルとテキストの組み合わせ) は,データセットの間のゼロショット学習で最高のパフォーマンスを示しました.
• TF-IDF & FNN (テキストベースの) は,移転学習 (クラスタリング,精度,F1スコア) で優れたパフォーマンスを達成しました.
• ベースラインモデルは,より速い代替案,1.88xの速度向上とF1スコア10%のわずかな減少を提供している.

結論:

• ウェブサイトの埋め込み方法は,学習アプローチ (ゼロショット対転送学習) に基づいて効果が異なります.
• TF-IDF & FNNは,高い精度を必要とする転送学習タスクに最適です.
• ベースラインモデルは,大規模なデータ処理のための実用的で時間効率の良いソリューションを提供します.