Buchumschlag

A data science and machine learning approach to continuous analysis of Shakespeare's plays

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Swisher, Charles, Shamir, Lior
Format:	Preprint
Veröffentlicht:	2023
Schlagworte:	Computation and Language Machine Learning
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

Extractive text summarisation of Privacy Policy documents using machine learning approaches
von: Choi, Chanwoo
Veröffentlicht: (2024)

Enhancing ASD detection accuracy: a combined approach of machine learning and deep learning models with natural language processing
von: Rubio-Martín, Sergio, et al.
Veröffentlicht: (2024)

A meta-analysis on the performance of machine-learning based language models for sentiment analysis
von: Rohde, Elena, et al.
Veröffentlicht: (2025)

Questionable practices in machine learning
von: Leech, Gavin, et al.
Veröffentlicht: (2024)

Text classification using machine learning methods
von: Oancea, Bogdan
Veröffentlicht: (2025)

LLM-based feature generation from text for interpretable machine learning
von: Balek, Vojtěch, et al.
Veröffentlicht: (2024)

AIDetx: a compression-based method for identification of machine-learning generated text
von: Almeida, Leonardo, et al.
Veröffentlicht: (2024)

Self-playing Adversarial Language Game Enhances LLM Reasoning
von: Cheng, Pengyu, et al.
Veröffentlicht: (2024)

Mitigating Copy Bias in In-Context Learning through Neuron Pruning
von: Ali, Ameen, et al.
Veröffentlicht: (2024)

On the evolution of research in hypersonics: application of natural language processing and machine learning
von: Ebadi, Ashkan, et al.
Veröffentlicht: (2022)

An open dataset of neural networks for hypernetwork research
von: Kurtenbach, David, et al.
Veröffentlicht: (2025)

Empowering machine learning models with contextual knowledge for enhancing the detection of eating disorders in social media posts
von: Benítez-Andrades, José Alberto, et al.
Veröffentlicht: (2024)

The Branch Not Taken: Predicting Branching in Online Conversations
von: Meital, Shai, et al.
Veröffentlicht: (2024)

Optimizing Pre-Training Data Mixtures with Mixtures of Data Expert Models
von: Belenki, Lior, et al.
Veröffentlicht: (2025)

Detecting and Pruning Prominent but Detrimental Neurons in Large Language Models
von: Ali, Ameen, et al.
Veröffentlicht: (2025)

Don't lie to your friends: Learning what you know from collaborative self-play
von: Eisenstein, Jacob, et al.
Veröffentlicht: (2025)

A comparison of data filtering techniques for English-Polish LLM-based machine translation in the biomedical domain
von: Lérida, Jorge del Pozo, et al.
Veröffentlicht: (2025)

Unlearning as multi-task optimization: A normalized gradient difference approach with an adaptive learning rate
von: Bu, Zhiqi, et al.
Veröffentlicht: (2024)

Large Language Models are Superpositions of All Characters: Attaining Arbitrary Role-play via Self-Alignment
von: Lu, Keming, et al.
Veröffentlicht: (2024)

Explainable machine learning multi-label classification of Spanish legal judgements
von: de Arriba-Pérez, Francisco, et al.
Veröffentlicht: (2024)

Bootstrapping Post-training Signals for Open-ended Tasks via Rubric-based Self-play on Pre-training Text
von: Huang, Chengyu, et al.
Veröffentlicht: (2026)

LATMiX: Learnable Affine Transformations for Microscaling Quantization of LLMs
von: Gordon, Ofir, et al.
Veröffentlicht: (2026)

Absolute Zero: Reinforced Self-play Reasoning with Zero Data
von: Zhao, Andrew, et al.
Veröffentlicht: (2025)

AMPO: Active Multi-Preference Optimization for Self-play Preference Selection
von: Gupta, Taneesh, et al.
Veröffentlicht: (2025)

Dissecting embedding method: learning higher-order structures from data
von: Tupikina, Liubov, et al.
Veröffentlicht: (2024)

COVID-19 Infodemic. Understanding content features in detecting fake news using a machine learning approach
von: Balakrishnan, Vimala, et al.
Veröffentlicht: (2026)

Learning from sanctioned government suppliers: A machine learning and network science approach to detecting fraud and corruption in Mexico
von: Medina-Hernández, Martí, et al.
Veröffentlicht: (2025)

Identifying Bias in Deep Neural Networks Using Image Transforms
von: Erukude, Sai Teja, et al.
Veröffentlicht: (2024)

Exposing propaganda: an analysis of stylistic cues comparing human annotations and machine classification
von: Faye, Géraud, et al.
Veröffentlicht: (2024)

Backward Lens: Projecting Language Model Gradients into the Vocabulary Space
von: Katz, Shahar, et al.
Veröffentlicht: (2024)

Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models
von: Dong, Guanting, et al.
Veröffentlicht: (2024)

DFPE: A Diverse Fingerprint Ensemble for Enhancing LLM Performance
von: Cohen, Seffi, et al.
Veröffentlicht: (2025)

Few-shot learning for automated content analysis: Efficient coding of arguments and claims in the debate on arms deliveries to Ukraine
von: Rieger, Jonas, et al.
Veröffentlicht: (2023)

JMI at SemEval 2024 Task 3: Two-step approach for multimodal ECAC using in-context learning with GPT and instruction-tuned Llama models
von: Arefa, et al.
Veröffentlicht: (2024)

Synthetic continued pretraining
von: Yang, Zitong, et al.
Veröffentlicht: (2024)

Analysis and prevention of AI-based phishing email attacks
von: Eze, Chibuike Samuel, et al.
Veröffentlicht: (2024)

A Bayesian approach to modeling topic-metadata relationships
von: Schulze, P., et al.
Veröffentlicht: (2021)

Learning from others' mistakes: Finetuning machine translation models with span-level error annotations
von: Zhang, Lily H., et al.
Veröffentlicht: (2024)

GUARD: Role-playing to Generate Natural-language Jailbreakings to Test Guideline Adherence of Large Language Models
von: Jin, Haibo, et al.
Veröffentlicht: (2024)

Latent learning: episodic memory complements parametric learning by enabling flexible reuse of experiences
von: Lampinen, Andrew Kyle, et al.
Veröffentlicht: (2025)