Fugu-MT 論文翻訳(概要): Incorporating Behavioral Hypotheses for Query Generation

論文の概要: Incorporating Behavioral Hypotheses for Query Generation

arxiv url: http://arxiv.org/abs/2010.02667v1
Date: Tue, 6 Oct 2020 12:38:02 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 07:42:02.004903
Title: Incorporating Behavioral Hypotheses for Query Generation
Title（参考訳）: クエリ生成のための行動仮説の導入
Authors: Ruey-Cheng Chen, Chia-Jung Lee
Abstract要約: 本稿では,クエリ生成のための任意の仮説を集約する汎用エンコーダ・デコーダ・トランスフォーマフレームワークを提案する。実験の結果,提案手法は単語誤り率のトップ$kとBert F1スコアを大幅に向上させることがわかった。
参考スコア（独自算出の注目度）: 3.5873361386290643
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Generative neural networks have been shown effective on query suggestion. Commonly posed as a conditional generation problem, the task aims to leverage earlier inputs from users in a search session to predict queries that they will likely issue at a later time. User inputs come in various forms such as querying and clicking, each of which can imply different semantic signals channeled through the corresponding behavioral patterns. This paper induces these behavioral biases as hypotheses for query generation, where a generic encoder-decoder Transformer framework is presented to aggregate arbitrary hypotheses of choice. Our experimental results show that the proposed approach leads to significant improvements on top-$k$ word error rate and Bert F1 Score compared to a recent BART model.
Abstract（参考訳）: 生成ニューラルネットワークはクエリ提案に有効であることが示されている。条件生成問題として一般的に挙げられるこのタスクは、検索セッションのユーザからの早期の入力を活用して、後で発行される可能性のあるクエリを予測することを目的としている。ユーザ入力は、クエリやクリックなど、さまざまな形式のもので、それぞれが対応する行動パターンを通じてチャンネルされる意味的なシグナルを暗示することができる。本稿では、これらの振る舞いバイアスをクエリ生成の仮説として導き出し、汎用エンコーダデコーダトランスフォーマーフレームワークを任意の仮説の集合として提示する。実験結果から,提案手法は最近のBARTモデルと比較して,トップ$k$ワード誤り率とBert F1スコアを大幅に改善することが示された。

関連論文リスト

Towards a Path Dependent Account of Category Fluency [2.66269503676104]
本研究は, モデルを配列生成器として再構成することにより, 捕食状況の相違を解消する証拠を提示する。また,Hills et al. (2012) モデルが生成品質の向上に用いた追加バイアスが要求されるため,カテゴリスイッチ予測器は必ずしも人間のようなシーケンスを生成しないことがわかった。
論文参考訳（メタデータ） (2024-05-09T16:36:56Z)
Source-Free Unsupervised Domain Adaptation with Hypothesis Consolidation of Prediction Rationale [53.152460508207184]
Source-Free Unsupervised Domain Adaptation (SFUDA)は、モデルがターゲットのドメインラベルやソースドメインデータにアクセスせずに新しいドメインに適応する必要がある、という課題である。本稿では,各サンプルについて複数の予測仮説を考察し,各仮説の背景にある理論的根拠について考察する。最適性能を達成するために,モデル事前適応,仮説統合,半教師付き学習という3段階の適応プロセスを提案する。
論文参考訳（メタデータ） (2024-02-02T05:53:22Z)
Semantic Equivalence of e-Commerce Queries [6.232692545488813]
本稿では,クエリの等価性を認識・活用し,検索とビジネスの成果を高めるためのフレームワークを提案する。提案手法は,検索意図のベクトル表現へのクエリのマッピング,等価あるいは類似の意図を表現した近傍のクエリの特定,ユーザやビジネス目的の最適化という3つの重要な問題に対処する。
論文参考訳（メタデータ） (2023-08-07T18:40:13Z)
EEL: Efficiently Encoding Lattices for Reranking [44.77383151122229]
生成した出力の格子を効率的にエンコードするためにTransformerを使用します。このアプローチをトークン駆動リランカ(TFR)の新しいクラスと組み合わせる。以上の結果から,ダウンストリームメトリクスの性能は,従来の手法に比べて大幅に向上した。
論文参考訳（メタデータ） (2023-06-01T17:45:32Z)
Predictive Querying for Autoregressive Neural Sequence Models [23.85426261235507]
本稿では,ニューラル自己回帰シーケンスモデルにおける予測クエリの汎用型について紹介する。このようなクエリは,基本構造ブロックの集合によって体系的に表現可能であることを示す。我々はこの型を利用して新しいクエリ推定手法を開発した。
論文参考訳（メタデータ） (2022-10-12T17:59:36Z)
Paragraph-based Transformer Pre-training for Multi-Sentence Inference [99.59693674455582]
マルチ候補推論タスクの微調整に使用する場合,一般的な事前学習型トランスフォーマーは性能が良くないことを示す。次に、複数の入力文にまたがる段落レベルの意味をモデル化する新しい事前学習目標を提案する。
論文参考訳（メタデータ） (2022-05-02T21:41:14Z)
Generalization in the Face of Adaptivity: A Bayesian Perspective [3.0202264016476623]
適応的に選択されたクエリによるデータサンプルの繰り返し使用は、急速に過度な適合につながる可能性がある。単純なノイズアンバウンド付加アルゴリズムは、この問題を防ぐのに十分であることがわかった。提案手法では, 過去のクエリに対する応答にデータサンプルに関する情報がどの程度エンコードされたか, ベイズ因子と新しいクエリの共分散から適応性の害が生じることを示す。
論文参考訳（メタデータ） (2021-06-20T22:06:44Z)
Double Perturbation: On the Robustness of Robustness and Counterfactual Bias Evaluation [109.06060143938052]
テストデータセットを超えたモデル弱点を明らかにするための"ダブル摂動"フレームワークを提案する。この枠組みを,モデルの頑健さと英語における反事実バイアスの分析に使用される2つの摂動に基づくアプローチに応用する。
論文参考訳（メタデータ） (2021-04-12T06:57:36Z)
On the Reproducibility of Neural Network Predictions [52.47827424679645]
そこで本研究では, チャーン問題について検討し, 原因因子を同定し, 緩和する2つの簡単な方法を提案する。最初に、標準的な画像分類タスクであっても、チャーンが問題であることを示す。我々は,予測信頼度を高めるために,エントロピー正規化器を提案する。両手法の有効性を実証的に示し, 基礎モデルの精度を向上しながら, チャーン低減効果を示す。
論文参考訳（メタデータ） (2021-02-05T18:51:01Z)
Toward Scalable and Unified Example-based Explanation and Outlier Detection [128.23117182137418]
我々は,試行錯誤の予測に例ベースの説明を与えることのできる,プロトタイプベースの学生ネットワークのより広範な採用を論じる。類似カーネル以外のプロトタイプベースのネットワークは,分類精度を損なうことなく,有意義な説明と有望な外乱検出結果が得られることを示す。
論文参考訳（メタデータ） (2020-11-11T05:58:17Z)
Pre-training Is (Almost) All You Need: An Application to Commonsense Reasoning [61.32992639292889]
事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
論文参考訳（メタデータ） (2020-04-29T10:54:40Z)

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。