論文の概要: Towards evaluating and eliciting high-quality documentation for intelligent systems

• arxiv url: http://arxiv.org/abs/2011.08774v1
• Date: Tue, 17 Nov 2020 17:01:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-24 17:13:25.217397
• Title: Towards evaluating and eliciting high-quality documentation for intelligent systems
• Title（参考訳）: インテリジェントシステムのための高品質ドキュメンテーションの評価と活用に向けて
• Authors: David Piorkowski, Daniel Gonz\'alez, John Richards and Stephanie Houde
• Abstract要約: 機械学習と人工知能に基づいて構築されたインテリジェントシステムにおける信頼と透明性の重要なコンポーネントは、明確で理解可能なドキュメントの開発である。 このタイプのドキュメンテーションが不足している方法を特定するために,品質次元のセットを提案し,評価する。 このようなドキュメントの欠点を寸法がどのように識別しているかを示し、そのような次元がどのようにしてユーザーが与えられたペルソナやユースケースに適したドキュメントを提供するのに役立つかを示します。
• 参考スコア（独自算出の注目度）: 8.421274765914063
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A vital component of trust and transparency in intelligent systems built on machine learning and artificial intelligence is the development of clear, understandable documentation. However, such systems are notorious for their complexity and opaqueness making quality documentation a non-trivial task. Furthermore, little is known about what makes such documentation "good." In this paper, we propose and evaluate a set of quality dimensions to identify in what ways this type of documentation falls short. Then, using those dimensions, we evaluate three different approaches for eliciting intelligent system documentation. We show how the dimensions identify shortcomings in such documentation and posit how such dimensions can be use to further enable users to provide documentation that is suitable to a given persona or use case.
• Abstract（参考訳）: 機械学習と人工知能に基づいて構築されたインテリジェントシステムにおける信頼と透明性の重要なコンポーネントは、明確で理解可能なドキュメントの開発である。 しかし、このようなシステムは複雑さと不透明さで悪名高いので、品質の文書化は簡単な作業ではない。 さらに、なぜこのような文書が「良い」のかについてはほとんど分かっていない。 本稿では,このタイプの文書が不足している方法を特定するために,品質次元のセットを提案し,評価する。 そして,これらの次元を用いて,知的システム文書の抽出のための3つのアプローチを評価する。 このようなドキュメントの欠点を寸法がどのように識別しているかを示し、そのような次元がどのようにしてユーザーが与えられたペルソナやユースケースに適したドキュメントを提供できるかを示す。

関連論文リスト

• A Study of Documentation for Software Architecture [7.011803832284996]
  私たちは65人の参加者に、ソフトウェアアーキテクチャの理解に関する質問に答えるように頼みました。 アクティビティの適用と作成を必要とする質問に対する回答は、システムのソースコードの使用と統計的に大きく関連している。 本研究の結果は,建築文書の形式が重要であるという仮説と矛盾するものである。
  論文  参考訳（メタデータ） (2023-05-26T22:14:53Z)
• Same or Different? Diff-Vectors for Authorship Analysis [78.83284164605473]
  古典的な著作物分析において、特徴ベクトルは文書を表し、特徴の値は文書中の特徴の相対周波数(関数の増大)を表し、クラスラベルは文書の著者を表す。 筆者らの実験は共著者検証,著者検証,クローズドセットの著者帰属に取り組んでおり,DVは自然に第1の問題を解くのに向いているが,第2と第3の問題を解くための2つの新しい方法も提供している。
  論文  参考訳（メタデータ） (2023-01-24T08:48:12Z)
• Layout-Aware Information Extraction for Document-Grounded Dialogue: Dataset, Method and Demonstration [75.47708732473586]
  視覚的にリッチな文書から構造的知識と意味的知識の両方を抽出するためのレイアウト対応文書レベル情報抽出データセット(LIE)を提案する。 LIEには製品および公式文書の4,061ページから3つの抽出タスクの62kアノテーションが含まれている。 実験の結果、レイアウトはVRDベースの抽出に不可欠であることが示され、システムデモでは、抽出された知識が、ユーザが関心を持っている答えを見つけるのに役立つことも確認されている。
  論文  参考訳（メタデータ） (2022-07-14T07:59:45Z)
• Unified Pretraining Framework for Document Understanding [52.224359498792836]
  文書理解のための統合事前学習フレームワークであるUDocを紹介する。 UDocは、ほとんどのドキュメント理解タスクをサポートするように設計されており、Transformerを拡張してマルチモーダル埋め込みを入力とする。 UDocの重要な特徴は、3つの自己管理的損失を利用して汎用的な表現を学ぶことである。
  論文  参考訳（メタデータ） (2022-04-22T21:47:04Z)
• Scikit-dimension: a Python package for intrinsic dimension estimation [58.8599521537]
  この技術ノートは、固有次元推定のためのオープンソースのPythonパッケージであるtextttscikit-dimensionを紹介している。 textttscikit-dimensionパッケージは、Scikit-learnアプリケーションプログラミングインターフェイスに基づいて、既知のID推定子のほとんどを均一に実装する。 パッケージを簡潔に記述し、実生活と合成データにおけるID推定手法の大規模(500以上のデータセット)ベンチマークでその使用を実証する。
  論文  参考訳（メタデータ） (2021-09-06T16:46:38Z)
• Automatic Construction of Enterprise Knowledge Base [6.6421796160706945]
  本稿では,人間の介入を最小限に抑えた大規模エンタープライズ文書から知識ベース自動構築システムを提案する。 このシステムは、現在Microsoft 365サービスの一部として提供されている。
  論文  参考訳（メタデータ） (2021-06-29T04:29:02Z)
• Advanced Hough-based method for on-device document localization [0.0]
  本研究では,文書の内容や内部構造を事前に知ることなく,画像中の文書の位置を考察する。 中心射影モデルの幾何学的不変量を考慮したHough-based法を提案する。 より挑戦的なMIDV-500データセットで評価すると、提案アルゴリズムは公表された手法と比較して最高の精度を保証した。
  論文  参考訳（メタデータ） (2021-06-18T08:17:45Z)
• Extracting Procedural Knowledge from Technical Documents [1.0773368566852943]
  手続きは、自動化、質問応答、会話の推進のために認知アシスタントが活用できる文書の重要な知識コンポーネントである。 プロダクトマニュアルやユーザガイドといった巨大なドキュメントを解析して,どの部分でプロシージャについて話しているのかを自動的に理解し,それを抽出することは,非常に難しい問題です。
  論文  参考訳（メタデータ） (2020-10-20T09:47:52Z)
• A Methodology for Creating AI FactSheets [67.65802440158753]
  本稿では、FactSheetsと呼ぶAIドキュメントの形式を作るための方法論について述べる。 方法論の各ステップの中で、検討すべき問題と探求すべき質問について説明する。 この方法論は、透明なAIドキュメントの採用を加速する。
  論文  参考訳（メタデータ） (2020-06-24T15:08:59Z)
• Biometric Quality: Review and Application to Face Recognition with FaceQnet [16.791628175513637]
  品質は、自動化された生体認証システムの良し悪しに責任を負う第1の要因である。 最もよく使われ、デプロイされた生体認証特性のいくつかは、これらの手法の開発に欠如している。 FaceQnetは、ディープラーニング技術にインスパイアされ、利用されている、オープンソースの顔品質評価ツールである。
  論文  参考訳（メタデータ） (2020-06-05T08:33:22Z)
• Conversations with Documents. An Exploration of Document-Centered Assistance [55.60379539074692]
  例えば、個人が文書をすばやくレビューするのを助けるドキュメント中心の支援は、あまり進歩していない。 我々は,文書中心の支援の空間と,人々がこのシナリオで期待する能力を理解するための調査を行う。 a) 文書中心の質問を正確に検出でき、(b) そうした質問に答えるために合理的に正確なモデルを構築することができることを示す。
  論文  参考訳（メタデータ） (2020-01-27T17:10:11Z)

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。