使用图神经网络对图表及其组成部分进行分类:众包与专家标注的比较
计算与语言
2019-12-09 v1 计算机视觉与模式识别
信息检索
摘要
本文比较了两种多模态资源,它们均由描述小学自然科学的图表组成。两种资源包含相同的图表并使用图表示其结构,但在标注模式及标注创建方式上有所不同——根据资源不同,分别由众包工作者或受训专家完成。本文报告了两个实验,评估使用各种图神经网络时,众包与专家标注的图在表示图表多模态结构以进行表示学习方面的有效性。结果表明,图表元素的身份可从其布局特征中学习,而专家标注提供了更好的图表类型表示。
引用
@article{arxiv.1912.02866,
title = {Classifying Diagrams and Their Parts using Graph Neural Networks: A Comparison of Crowd-Sourced and Expert Annotations},
author = {Tuomo Hiippala},
journal= {arXiv preprint arXiv:1912.02866},
year = {2019}
}
备注
9 pages; submitted to LREC 2020