論文の概要: Do We Need Online NLU Tools?

• arxiv url: http://arxiv.org/abs/2011.09825v1
• Date: Thu, 19 Nov 2020 13:58:47 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 21:00:11.206834
• Title: Do We Need Online NLU Tools?
• Title（参考訳）: オンラインNLUツールは必要か?
• Authors: Petr Lorenc, Petr Marek, Jan Pichl, Jakub Konr\'ad and Jan \v{S}ediv\'y
• Abstract要約: 本稿では,アプリケーションに最適な意図認識アルゴリズムを選択するための基準を提案する。 我々は、選択したパブリックNLUサービスと、インテント認識のための選択されたオープンソースアルゴリズムを比較した。
• 参考スコア（独自算出の注目度）: 1.0499611180329804
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The intent recognition is an essential algorithm of any conversational AI application. It is responsible for the classification of an input message into meaningful classes. In many bot development platforms, we can configure the NLU pipeline. Several intent recognition services are currently available as an API, or we choose from many open-source alternatives. However, there is no comparison of intent recognition services and open-source algorithms. Many factors make the selection of the right approach to the intent recognition challenging in practice. In this paper, we suggest criteria to choose the best intent recognition algorithm for an application. We present a dataset for evaluation. Finally, we compare selected public NLU services with selected open-source algorithms for intent recognition.
• Abstract（参考訳）: 意図認識は、あらゆる会話型AIアプリケーションに不可欠なアルゴリズムである。 入力メッセージを意味のあるクラスに分類する責任がある。 多くのボット開発プラットフォームでは、NLUパイプラインの設定が可能です。 現在、いくつかのインテント認識サービスがAPIとして利用可能です。 しかし、意図認識サービスとオープンソースアルゴリズムの比較は存在しない。 多くの要因により、インテント認識に対する正しいアプローチの選択が実際に難しい。 本稿では,アプリケーションに最適な意図認識アルゴリズムを選択するための基準を提案する。 評価のためのデータセットを提案する。 最後に,公開nluサービスとインテント認識のためのオープンソースアルゴリズムを比較した。

関連論文リスト

• Open-Set Automatic Target Recognition [52.27048031302509]
  オートマチックターゲット認識(Automatic Target Recognition、ATR)は、異なるセンサーから取得したデータに基づいてターゲットを認識しようとするコンピュータビジョンアルゴリズムのカテゴリである。 既存のATRアルゴリズムは、トレーニングとテストが同じクラス分布を持つ従来のクローズドセット手法向けに開発されている。 ATRアルゴリズムのオープンセット認識機能を実現するためのオープンセット自動ターゲット認識フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-11-10T21:28:24Z)
• Discovering New Intents Using Latent Variables [51.50374666602328]
  本稿では,意図の割り当てを潜伏変数として扱う意図を発見するための確率的フレームワークを提案する。 E-step, we conducting intents and explore the intrinsic structure of unlabeled data by the rear of intent assignments。 M段階において、ラベル付きデータの識別を最適化することにより、既知の意図から伝達される事前知識の忘れを緩和する。
  論文  参考訳（メタデータ） (2022-10-21T08:29:45Z)
• Machine Learning for Online Algorithm Selection under Censored Feedback [71.6879432974126]
  オンラインアルゴリズム選択(OAS)では、アルゴリズム問題クラスのインスタンスがエージェントに次々に提示され、エージェントは、固定された候補アルゴリズムセットから、おそらく最高のアルゴリズムを迅速に選択する必要がある。 SAT(Satisfiability)のような決定問題に対して、品質は一般的にアルゴリズムのランタイムを指す。 本研究では,OASのマルチアームバンディットアルゴリズムを再検討し,この問題に対処する能力について議論する。 ランタイム指向の損失に適応し、時間的地平線に依存しない空間的・時間的複雑さを維持しながら、部分的に検閲されたデータを可能にする。
  論文  参考訳（メタデータ） (2021-09-13T18:10:52Z)
• Deep Open Intent Classification with Adaptive Decision Boundary [21.478553057876972]
  オープン意図分類のための適応決定境界(ADB)を学習するための後処理手法を提案する。 具体的には,経験的リスクとオープンスペースリスクを両立させる新たな損失関数を提案する。 私たちのアプローチは、ラベル付きデータが少なく、既知の意図が少ないと驚くほど非感受性です。
  論文  参考訳（メタデータ） (2020-12-18T13:05:11Z)
• Towards Meta-Algorithm Selection [78.13985819417974]
  インスタンス固有のアルゴリズム選択(AS)は、固定された候補集合からのアルゴリズムの自動選択を扱う。 メタアルゴリズムの選択は、いくつかのケースで有益であることを示す。
  論文  参考訳（メタデータ） (2020-11-17T17:27:33Z)
• Discriminative Nearest Neighbor Few-Shot Intent Detection by Transferring Natural Language Inference [150.07326223077405]
  データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。 深部自己注意を伴う識別的近傍分類を提示する。 自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
  論文  参考訳（メタデータ） (2020-10-25T00:39:32Z)
• Run2Survive: A Decision-theoretic Approach to Algorithm Selection based on Survival Analysis [75.64261155172856]
  生存分析(SA)は、自然に検閲されたデータをサポートし、アルゴリズムランタイムの分散モデルを学習するためにそのようなデータを使用する適切な方法を提供する。 我々は、アルゴリズム選択に対する洗練された決定論的アプローチの基礎として、そのようなモデルを活用し、Run2Surviveを疑う。 標準ベンチマークASlibによる広範な実験では、我々のアプローチは競争力が高く、多くの場合、最先端のASアプローチよりも優れていることが示されている。
  論文  参考訳（メタデータ） (2020-07-06T15:20:17Z)
• Learning to Rank Intents in Voice Assistants [2.102846336724103]
  本稿では,意図的ランキングタスクのための新しいエネルギーモデルを提案する。 提案手法は,誤差率を3.8%削減することで,既存の手法よりも優れていることを示す。 また,意図的ランキングタスクにおけるアルゴリズムのロバスト性を評価し,そのロバスト性について33.3%向上したことを示す。
  論文  参考訳（メタデータ） (2020-04-30T21:51:26Z)
• Online Preselection with Context Information under the Plackett-Luce Model [10.286111512725334]
  本稿では,コンテキスト型マルチアームバンディット問題の拡張について考察する。 一つの代替品(アーム)を選択する代わりに、学習者は代替品のサブセットの形で事前選択する。 本稿では,よく知られたUPBアルゴリズムにインスパイアされたCPPLアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-02-11T09:27:24Z)

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。