論文の概要: Editable AI: Mixed Human-AI Authoring of Code Patterns
- arxiv url: http://arxiv.org/abs/2007.05902v1
- Date: Sun, 12 Jul 2020 03:49:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-11 05:39:52.205848
- Title: Editable AI: Mixed Human-AI Authoring of Code Patterns
- Title(参考訳): 編集可能なAI: コードパターンの混合AIオーサリング
- Authors: Kartik Chugh, Andrea Y. Solis, Thomas D. LaToza
- Abstract要約: コードパターンを作成するための混在型ヒューマンAI手法を提案する。
パターンはまず、決定木を通じて個々のHTMLドキュメントから学習される。
コードパターンは、開発者が自動補完提案、サンプルのリスト、フラグ違反を提供するために使用される。
- 参考スコア(独自算出の注目度): 5.3820802797654235
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Developers authoring HTML documents define elements following patterns which
establish and reflect the visual structure of a document, such as making all
images in a footer the same height by applying a class to each. To surface
these patterns to developers and support developers in authoring consistent
with these patterns, we propose a mixed human-AI technique for creating code
patterns. Patterns are first learned from individual HTML documents through a
decision tree, generating a representation which developers may view and edit.
Code patterns are used to offer developers autocomplete suggestions, list
examples, and flag violations. To evaluate our technique, we conducted a user
study in which 24 participants wrote, edited, and corrected HTML documents. We
found that our technique enabled developers to edit and correct documents more
quickly and create, edit, and correct documents more successfully.
- Abstract(参考訳): htmlドキュメントを作成する開発者は、各クラスを適用してフッタ内のすべてのイメージを同じ高さにするなど、ドキュメントの視覚的構造を確立し、反映するパターンに従う要素を定義する。
これらのパターンを開発者に提示し、これらのパターンに整合したオーサリングを支援するために、コードパターンを作成するための混合AI技術を提案する。
パターンはまず、決定木を通して個々のhtmlドキュメントから学び、開発者が閲覧して編集できる表現を生成する。
コードパターンは、開発者が自動補完提案、サンプルのリスト、フラグ違反を提供するために使用される。
本手法を評価するために,24人の参加者がHTML文書を作成,編集,修正したユーザスタディを行った。
私たちの技術は、開発者がドキュメントをより早く編集し、修正し、よりうまく作成し、編集し、修正できるようにしました。
関連論文リスト
- Knowledge-Centric Templatic Views of Documents [2.8122829028152787]
著者はしばしば、異なる文書やフォーマットで同じ基礎知識について考えを組み立てる。
ドキュメント生成における以前の作業は、一般的に、各個別のフォーマットの作成をタスクが異なるものとみなしていた。
このアプローチは、研究とアプリケーションの両方の観点からAIが支援するコンテンツ作成の進歩に最適である。
論文 参考訳(メタデータ) (2024-01-13T01:22:15Z) - Ranni: Taming Text-to-Image Diffusion for Accurate Instruction Following [63.57467950456686]
画像にテキストのデコードとして意味パネルを導入する。
パネルは、入力テキストから解析された視覚概念をアレンジすることで得られる。
我々は,実用的なシステムを開発し,連続生成とチャットベースの編集の可能性を示す。
論文 参考訳(メタデータ) (2023-11-28T17:57:44Z) - Understanding Documentation Use Through Log Analysis: An Exploratory
Case Study of Four Cloud Services [14.104545948572836]
クラウドベースの4つの産業サービスから,ドキュメントのページビューログを分析した。
10万人以上のユーザのページビューログを分析することで、さまざまなドキュメントページ訪問パターンが見つかる。
本論文では,文書の監査を行うための有効な手法として,文書のページビューログ分析を提案する。
論文 参考訳(メタデータ) (2023-10-16T20:37:29Z) - Unifying Vision, Text, and Layout for Universal Document Processing [105.36490575974028]
本稿では,テキスト,画像,レイアウトのモダリティを文書理解と生成を含むさまざまなタスク形式とともに統合するドキュメントAIモデルを提案する。
我々の手法は、財務報告、学術論文、ウェブサイトなど、さまざまなデータ領域にまたがって、文書理解やQAといった9つのドキュメントAIタスクの最先端を定めている。
論文 参考訳(メタデータ) (2022-12-05T22:14:49Z) - Learning Diverse Document Representations with Deep Query Interactions
for Dense Retrieval [79.37614949970013]
そこで本研究では,問合せの深い文書表現を学習する高密度検索モデルを提案する。
本モデルでは,各文書に生成した擬似クエリをエンコードして,クエリインフォームド・マルチビュー文書表現を得る。
論文 参考訳(メタデータ) (2022-08-08T16:00:55Z) - Multi-View Document Representation Learning for Open-Domain Dense
Retrieval [87.11836738011007]
本稿では,多視点文書表現学習フレームワークを提案する。
ドキュメントを表現し、異なるクエリに合わせるように強制するために、マルチビューの埋め込みを作成することを目的としている。
実験により,本手法は最近の成果より優れ,最先端の結果が得られた。
論文 参考訳(メタデータ) (2022-03-16T03:36:38Z) - Synthetic Document Generator for Annotation-free Layout Recognition [15.657295650492948]
本稿では,空間的位置,範囲,レイアウト要素のカテゴリを示すラベル付きリアル文書を自動生成する合成文書生成装置について述べる。
合成文書上で純粋に訓練された深層レイアウト検出モデルが,実文書を用いたモデルの性能と一致することを実証的に示す。
論文 参考訳(メタデータ) (2021-11-11T01:58:44Z) - Automatic Document Sketching: Generating Drafts from Analogous Texts [44.626645471195495]
著者がレビューと修正を行うためのドラフト文書全体を生成する新しいタスクである文書スケッチを導入する。
これらのドラフトは、コンテンツのばらつきながら、形式的に重複するドキュメントのセット - 潜在的に再利用可能なテキストの大きなセグメントを共有する - から作成されます。
本研究は,変圧器を用いた専門家の混合と強化学習の併用を含む,弱教師付き手法の適用について検討する。
論文 参考訳(メタデータ) (2021-06-14T06:46:06Z) - DOC2PPT: Automatic Presentation Slides Generation from Scientific
Documents [76.19748112897177]
文書・スライド生成のための新しい課題とアプローチを提案する。
エンドツーエンドでタスクに取り組むための階層的なシーケンス・ツー・シーケンスアプローチを提案する。
提案手法では,文書やスライド内の固有構造を利用して,パラフレーズとレイアウト予測モジュールを組み込んでスライドを生成する。
論文 参考訳(メタデータ) (2021-01-28T03:21:17Z) - Multilevel Text Alignment with Cross-Document Attention [59.76351805607481]
既存のアライメントメソッドは、1つの事前定義されたレベルで動作します。
本稿では,文書を文書間注目要素で表現するための階層的アテンションエンコーダを予め確立した新しい学習手法を提案する。
論文 参考訳(メタデータ) (2020-10-03T02:52:28Z)
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。