論文の概要: An Imitation Game for Learning Semantic Parsers from User Interaction

• arxiv url: http://arxiv.org/abs/2005.00689v3
• Date: Thu, 15 Oct 2020 18:31:26 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 11:40:08.737557
• Title: An Imitation Game for Learning Semantic Parsers from User Interaction
• Title（参考訳）: ユーザインタラクションから意味的パーサを学ぶための模倣ゲーム
• Authors: Ziyu Yao, Yiqi Tang, Wen-tau Yih, Huan Sun, Yu Su
• Abstract要約: ユーザから直接セマンティックアノテーションを学習するための代替手段として,Human-in-the-loop法を提案する。 セマンティクスはイントロスペクティブで、不確実な場合にはユーザデモをプロンプトする必要がある。 そうすることで、ユーザの振る舞いを模倣し、自らを自律的に改善し続けます。
• 参考スコア（独自算出の注目度）: 43.66945504686796
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Despite the widely successful applications, bootstrapping and fine-tuning semantic parsers are still a tedious process with challenges such as costly data annotation and privacy risks. In this paper, we suggest an alternative, human-in-the-loop methodology for learning semantic parsers directly from users. A semantic parser should be introspective of its uncertainties and prompt for user demonstration when uncertain. In doing so it also gets to imitate the user behavior and continue improving itself autonomously with the hope that eventually it may become as good as the user in interpreting their questions. To combat the sparsity of demonstration, we propose a novel annotation-efficient imitation learning algorithm, which iteratively collects new datasets by mixing demonstrated states and confident predictions and re-trains the semantic parser in a Dataset Aggregation fashion (Ross et al., 2011). We provide a theoretical analysis of its cost bound and also empirically demonstrate its promising performance on the text-to-SQL problem. Code will be available at https://github.com/sunlab-osu/MISP.
• Abstract（参考訳）: 広く成功したアプリケーションにもかかわらず、ブートストラップと微調整のセマンティックパーザは、コストのかかるデータアノテーションやプライバシリスクといった課題を伴う面倒なプロセスである。 本稿では,ユーザから直接セマンティックパーザを学習するための代替手法を提案する。 セマンティックパーザはその不確かさを内省し、不確かさがあればユーザデモを促さなければならない。 そうすることで、ユーザーの振る舞いを模倣し、自らを自律的に改善し続け、最終的にはユーザーが質問を解釈するのと同じくらい良いものになることを期待します。 提案アルゴリズムは,実証された状態と確実な予測を混合し,新たなデータセットを反復的に収集し,セマンティック・パーサーをデータセット・アグリゲーション方式で再学習する手法である(Ross et al., 2011)。 我々は,そのコスト境界に関する理論的分析と,テキスト対sql問題におけるその有望な性能を実証する。 コードはhttps://github.com/sunlab-osu/mispで入手できる。

関連論文リスト

• Vocabulary-Defined Semantics: Latent Space Clustering for Improving In-Context Learning [32.178931149612644]
  コンテキスト内学習により、言語モデルは下流のデータに適応したり、プロンプト内のデモとして少数のサンプルでタスクを組み込むことができる。 しかし、文脈内学習のパフォーマンスは、実演の質、形式、順序によって不安定である可能性がある。 語彙定義意味論(vocabulary-defined semantics)を提案する。
  論文  参考訳（メタデータ） (2024-01-29T14:29:48Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• Learning to Simulate Natural Language Feedback for Interactive Semantic Parsing [30.609805601567178]
  対話型意味解析のためのNLフィードバックをシミュレーションするタスクを提案する。 私たちはそのタスクに新しいフィードバック評価器を伴います。 我々のフィードバックシミュレータは、コストがかかる人間のアノテーションの完全なセットを用いてトレーニングされたように、同等のエラー修正性能を達成するのに役立ちます。
  論文  参考訳（メタデータ） (2023-05-14T16:20:09Z)
• Privacy-Preserving Domain Adaptation of Semantic Parsers [44.266262213139534]
  本稿では,まず潜在意味構文を生成し,その解析結果に基づいて発話を生成する2段階微分プライベート(DP)生成手法を提案する。 提案手法はMAUVEを2.5$times$で改善し,解析木関数の型を1.3$times$でオーバーラップする。
  論文  参考訳（メタデータ） (2022-12-20T18:35:21Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• FineDiving: A Fine-grained Dataset for Procedure-aware Action Quality Assessment [93.09267863425492]
  競争力のあるスポーツビデオにおける行動の高レベル意味論と内部時間構造の両方を理解することが、予測を正確かつ解釈可能なものにする鍵である、と我々は主張する。 本研究では,多様なダイビングイベントに対して,アクションプロシージャに関する詳細なアノテーションを付加した,ファインディビングと呼ばれる詳細なデータセットを構築した。
  論文  参考訳（メタデータ） (2022-04-07T17:59:32Z)
• On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
  我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。 改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。 我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
  論文  参考訳（メタデータ） (2021-10-15T21:41:16Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。