論文の概要: Question Identification in Arabic Language Using Emotional Based
Features
- arxiv url: http://arxiv.org/abs/2008.03843v1
- Date: Mon, 10 Aug 2020 00:18:32 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-31 22:20:40.495007
- Title: Question Identification in Arabic Language Using Emotional Based
Features
- Title(参考訳): 感情に基づく特徴量を用いたアラビア語の質問識別
- Authors: Ahmed Ramzy and Ahmed Elazab
- Abstract要約: 我々は、アラビア語のテキストを問合せの問合せに分類するバイナリ分類器を実装した。
アート機能の現状に感情に基づく機能を追加しました。
- 参考スコア(独自算出の注目度): 1.648023189023157
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: With the growth of content on social media networks, enterprises and services
providers have become interested in identifying the questions of their
customers. Tracking these questions become very challenging with the growth of
text that grows directly proportional to the increase of Arabic users thus
making it very difficult to be tracked manually. By automatic identifying the
questions seeking answers on the social media networks and defining their
category, we can automatically answer them by finding an existing answer or
even routing them to those responsible for answering those questions in the
customer service. This will result in saving the time and the effort and
enhancing the customer feedback and improving the business. In this paper, we
have implemented a binary classifier to classify Arabic text to either question
seeking answer or not. We have added emotional based features to the state of
the art features. Experimental evaluation has done and showed that these
emotional features have improved the accuracy of the classifier.
- Abstract(参考訳): ソーシャルメディアネットワーク上のコンテンツの増加に伴い、企業やサービスプロバイダは顧客からの質問を識別することに興味を持つようになった。
これらの質問を追跡することは、アラビア語利用者の増加に直接比例するテキストの成長によって非常に困難になるため、手動で追跡することが非常に困難になる。
ソーシャルメディア上で回答を求める質問を自動的に識別し、カテゴリを定義することで、既存の回答を見つけるか、カスタマーサービスの質問に回答する担当者にルーティングすることで、自動的に答えることができます。
これにより、時間と労力を節約し、顧客のフィードバックを高め、ビジネスを改善することができます。
本稿では、アラビア語のテキストを質問に答えるか否かを分類するバイナリ分類器を実装した。
アート機能の現状に感情に基づく機能を追加しました。
実験の結果,これらの感情的特徴により分類精度が向上したことがわかった。
関連論文リスト
- Towards Self-Contained Answers: Entity-Based Answer Rewriting in
Conversational Search [19.147174273221452]
本稿では,利用者が外部サービスや情報源を使わずに理解できるように,CISで回答を書き換える方法について検討する。
最初のコントリビューションとして、正当性のためのエンティティに注釈付けされた会話のデータセットを作成しました。
第2のコントリビューションとして,CIS全体のユーザエクスペリエンス向上を目的とした2つの回答書き直し戦略を提案する。
論文 参考訳(メタデータ) (2024-03-04T05:52:41Z) - ChatPRCS: A Personalized Support System for English Reading
Comprehension based on ChatGPT [3.847982502219679]
本稿では,ChatPRCSと呼ばれる読解支援システムを提案する。
ChatPRCSは、理解能力予測、質問生成、自動評価などの手法を採用している。
論文 参考訳(メタデータ) (2023-09-22T11:46:44Z) - SkillQG: Learning to Generate Question for Reading Comprehension
Assessment [54.48031346496593]
本稿では,機械読解モデルの評価と改善を目的とした,制御可能な理解型を用いた質問生成フレームワークを提案する。
まず、階層的なスキルベースのスキーマに基づいて理解型の質問をフレーム化し、その後、スキル条件付き質問生成器として$textttSkillQG$を定式化する。
経験的な結果から、$textttSkillQG$は、品質、妥当性、スキル制御性という点でベースラインを上回ります。
論文 参考訳(メタデータ) (2023-05-08T14:40:48Z) - Improving the Question Answering Quality using Answer Candidate
Filtering based on Natural-Language Features [117.44028458220427]
本稿では,質問応答(QA)の品質をいかに改善できるかという課題に対処する。
私たちの主な貢献は、QAシステムが提供する間違った回答を識別できるアプローチです。
特に,提案手法は誤答の大部分を除去しつつ,その可能性を示した。
論文 参考訳(メタデータ) (2021-12-10T11:09:44Z) - Question Answering Survey: Directions, Challenges, Datasets, Evaluation
Matrices [0.0]
QA分野の研究の方向性は,質問の種類,回答の種類,根拠の源泉,モデリングアプローチに基づいて分析される。
これに続き、自動質問生成、類似性検出、言語に対する低リソース可用性など、この分野のオープンな課題が続きます。
論文 参考訳(メタデータ) (2021-12-07T08:53:40Z) - Visual Question Rewriting for Increasing Response Rate [12.700769102964088]
人からの回答率を改善するために、自然言語の質問を自動的に書き換える方法について検討する。
視覚的情報を用いて新しい質問を改善するために,視覚的質問書き換え(VQR)タスクが導入された。
論文 参考訳(メタデータ) (2021-06-04T04:46:47Z) - GooAQ: Open Question Answering with Diverse Answer Types [63.06454855313667]
さまざまな回答型を持つ大規模データセットであるGooAQを紹介する。
このデータセットには500万の質問と300万の回答が含まれている。
論文 参考訳(メタデータ) (2021-04-18T05:40:39Z) - Can You be More Social? Injecting Politeness and Positivity into
Task-Oriented Conversational Agents [60.27066549589362]
人間エージェントが使用する社会言語は、ユーザーの応答性の向上とタスク完了に関連しています。
このモデルは、ソーシャル言語理解要素で拡張されたシーケンスからシーケンスまでのディープラーニングアーキテクチャを使用する。
人的判断と自動言語尺度の両方を用いたコンテンツ保存と社会言語レベルの評価は,エージェントがより社会的に適切な方法でユーザの問題に対処できる応答を生成できることを示している。
論文 参考訳(メタデータ) (2020-12-29T08:22:48Z) - Inquisitive Question Generation for High Level Text Comprehension [60.21497846332531]
InQUISITIVEは、文書を読みながら19K質問を抽出するデータセットである。
我々は,読者が情報を求めるための実践的な戦略に携わることを示す。
我々は, GPT-2に基づく質問生成モデルを評価し, 妥当な質問を生成することができることを示す。
論文 参考訳(メタデータ) (2020-10-04T19:03:39Z) - Expertise Style Transfer: A New Task Towards Better Communication
between Experts and Laymen [88.30492014778943]
そこで我々は,手動で注釈付きデータセットを手動で提供し,専門的なスタイルの転送を行う新しいタスクを提案する。
このタスクの解決は、プロの言語を単純化するだけでなく、レイメンの記述の正確さと専門性の向上にも寄与する。
スタイル転送とテキスト単純化のための5つの最先端モデルのベンチマーク性能を確立する。
論文 参考訳(メタデータ) (2020-05-02T04:50:20Z) - Review-guided Helpful Answer Identification in E-commerce [38.276241153439955]
製品固有のコミュニティ質問応答プラットフォームは、潜在的な顧客の懸念に対処するのに大いに役立ちます。
このようなプラットフォーム上でユーザが提供する回答は、その品質に大きく違いがあります。
コミュニティからのヘルプフルネスの投票は、回答の全体的な品質を示すことができるが、しばしば欠落している。
論文 参考訳(メタデータ) (2020-03-13T11:34:29Z)
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。