論文の概要: ARTH: Algorithm For Reading Text Handily -- An AI Aid for People having
Word Processing Issues
- arxiv url: http://arxiv.org/abs/2101.09464v1
- Date: Sat, 23 Jan 2021 09:39:45 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-19 10:51:25.304476
- Title: ARTH: Algorithm For Reading Text Handily -- An AI Aid for People having
Word Processing Issues
- Title(参考訳): ARTH: テキストを手作業で読むアルゴリズム - 単語処理の問題に対処するAI支援
- Authors: Akanksha Malhotra and Sudhir Kamle
- Abstract要約: 「ARTH」は、「テキストを楽に読み、理解する」必要性を満たすインテリジェントな方法であるアルゴリズムの自己学習セットです。
技術「ARTH」は、語彙が苦手な人や単語処理の問題を持つ人々の間で読むことの喜びの復活に焦点を当てています。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The objective of this project is to solve one of the major problems faced by
the people having word processing issues like trauma, or mild mental
disability. "ARTH" is the short form of Algorithm for Reading Handily. ARTH is
a self-learning set of algorithms that is an intelligent way of fulfilling the
need for "reading and understanding the text effortlessly" which adjusts
according to the needs of every user. The research project propagates in two
steps. In the first step, the algorithm tries to identify the difficult words
present in the text based on two features -- the number of syllables and usage
frequency -- using a clustering algorithm. After the analysis of the clusters,
the algorithm labels these clusters, according to their difficulty level. In
the second step, the algorithm interacts with the user. It aims to test the
user's comprehensibility of the text and his/her vocabulary level by taking an
automatically generated quiz. The algorithm identifies the clusters which are
difficult for the user, based on the result of the analysis. The meaning of
perceived difficult words is displayed next to them. The technology "ARTH"
focuses on the revival of the joy of reading among those people, who have a
poor vocabulary or any word processing issues.
- Abstract(参考訳): このプロジェクトの目的は、トラウマや軽度の精神障害といった単語処理の問題に直面する大きな問題の1つを解決することである。
ARTHは、手軽に読むアルゴリズムの短い形式である。
ARTHは、すべてのユーザのニーズに応じて調整される“テキストの読み上げと理解”の必要性を満たすインテリジェントな方法である、自己学習アルゴリズムのセットである。
研究プロジェクトは2つのステップで伝播します。
最初のステップでは、アルゴリズムは、クラスタリングアルゴリズムを使用して、音節数と使用頻度という2つの特徴に基づいて、テキストに存在する難しい単語を識別しようとする。
クラスタの分析の後、アルゴリズムはその難易度に応じてこれらのクラスタをラベル付けする。
第2のステップでは、アルゴリズムがユーザと対話する。
自動生成クイズを用いて,ユーザのテキストの理解度と語彙レベルをテストすることを目的とする。
このアルゴリズムは,分析結果に基づいて,ユーザにとって困難なクラスタを識別する。
それらの横に知覚困難な単語の意味が表示される。
ARTH」技術は、語彙が乏しい人や、言葉処理の問題のある人の間で読書の喜びが復活することに焦点を当てている。
関連論文リスト
- Information Retrieval in Friction Stir Welding of Aluminum Alloys by
using Natural Language Processing based Algorithms [0.0]
テキスト要約(Text summarization)は、大きなテキストをいくつかの重要な要素に凝縮し、その内容の一般的な印象を与える技法である。
自然言語処理(NLP)は、人工知能のサブディビジョンであり、技術と人間の認知のギャップを狭める。
論文 参考訳(メタデータ) (2022-04-25T16:36:00Z) - Divide & Conquer Imitation Learning [75.31752559017978]
模倣学習は学習プロセスをブートストラップするための強力なアプローチである。
本稿では,専門的軌道の状態から複雑なロボットタスクを模倣する新しいアルゴリズムを提案する。
提案手法は,非ホロノミックナビゲーションタスクを模倣し,非常に高いサンプル効率で複雑なロボット操作タスクにスケールすることを示す。
論文 参考訳(メタデータ) (2022-04-15T09:56:50Z) - DEIM: An effective deep encoding and interaction model for sentence
matching [0.0]
本稿では,ディープエンコーディングとインタラクションに基づく文マッチング手法を提案する。
エンコーダ層では、1つの文を符号化する過程で他の文の情報を参照し、その後、アルゴリズムを用いて情報を融合する。
インタラクション層では、双方向の注意機構と自己注意機構を用いて深い意味情報を得る。
論文 参考訳(メタデータ) (2022-03-20T07:59:42Z) - Language Matters: A Weakly Supervised Pre-training Approach for Scene
Text Detection and Spotting [69.77701325270047]
本稿では,シーンテキストを効果的に表現できる弱教師付き事前学習手法を提案する。
本ネットワークは,画像エンコーダと文字認識型テキストエンコーダから構成され,視覚的特徴とテキスト的特徴を抽出する。
実験により、事前訓練されたモデルは、重みを他のテキスト検出やスポッティングネットワークに転送しながら、Fスコアを+2.5%、+4.8%改善することが示された。
論文 参考訳(メタデータ) (2022-03-08T08:10:45Z) - Speaker Embedding-aware Neural Diarization for Flexible Number of
Speakers with Textual Information [55.75018546938499]
本稿では,話者埋め込み認識型ニューラルダイアリゼーション(SEND)手法を提案する。
本手法は,ターゲット話者の音声活動検出よりも低いダイアリゼーション誤差率を実現する。
論文 参考訳(メタデータ) (2021-11-28T12:51:04Z) - How to transfer algorithmic reasoning knowledge to learn new algorithms? [23.335939830754747]
我々は,実行トレースにアクセス可能なアルゴリズムを用いて,そうでない同様のタスクを解く方法について検討する。
9つのアルゴリズムと3つの異なるグラフタイプを含むデータセットを作成します。
我々はこれを実証的に検証し、その代わりにマルチタスク学習を用いてアルゴリズム推論知識の伝達を実現する方法を示す。
論文 参考訳(メタデータ) (2021-10-26T22:14:47Z) - 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) - Semantic-Preserving Adversarial Text Attacks [85.32186121859321]
深層モデルの脆弱性を調べるために, Bigram と Unigram を用いた適応的セマンティック保存最適化法 (BU-SPO) を提案する。
提案手法は,既存手法と比較して最小の単語数を変更することで,攻撃成功率とセマンティックス率を最大化する。
論文 参考訳(メタデータ) (2021-08-23T09:05:18Z) - Evaluating Various Tokenizers for Arabic Text Classification [4.110108749051656]
アラビア語に対する3つの新しいトークン化アルゴリズムを導入し、教師なし評価を用いて他の3つのベースラインと比較する。
実験の結果,このようなトークン化アルゴリズムの性能は,データセットのサイズ,タスクの種類,データセットに存在する形態素量に依存することがわかった。
論文 参考訳(メタデータ) (2021-06-14T16:05:58Z) - Match-Ignition: Plugging PageRank into Transformer for Long-form Text
Matching [66.71886789848472]
実効性と効率性に対処する新しい階層型ノイズフィルタリングモデルであるMatch-Ignitionを提案する。
基本的なアイデアは、よく知られたPageRankアルゴリズムをTransformerに接続し、文と単語レベルの騒々しい情報を識別およびフィルタリングすることです。
文が長文の基本単位であるため、ノイズの多い文はたいてい簡単に検出できるので、PageRankを直接使用してそのような情報をフィルタリングする。
論文 参考訳(メタデータ) (2021-01-16T10:34:03Z) - A Novel Word Sense Disambiguation Approach Using WordNet Knowledge Graph [0.0]
本稿では,SCSMM (Sequential Contextual Likeity Matrix multiplication) という知識に基づく単語感覚解読アルゴリズムを提案する。
SCSMMアルゴリズムは、セマンティックな類似性、知識、文書コンテキストを組み合わせて、それぞれローカルコンテキストのメリットを利用する。
提案されたアルゴリズムは、金の標準データセットの名詞を曖昧にするときに他のアルゴリズムよりも優れていた。
論文 参考訳(メタデータ) (2021-01-08T06:47:32Z)
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。