論文の概要: RECKONition: a NLP-based system for Industrial Accidents at Work Prevention

• arxiv url: http://arxiv.org/abs/2104.14150v1
• Date: Thu, 29 Apr 2021 07:13:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-30 13:12:28.630358
• Title: RECKONition: a NLP-based system for Industrial Accidents at Work Prevention
• Title（参考訳）: 労働予防におけるNLPに基づく産業事故対応システムRECKONition
• Authors: Patrizia Agnello, Silvia M. Ansaldi, Emilia Lenzi, Alessio Mongelluzzo, Manuel Roveri
• Abstract要約: 労働予防におけるNLPに基づく産業事故対応システムであるRECKONitionを提案する。 これは、職場での事故に対するイタリア国民保険研究所との共同パートナーシップの結果です。 その結果、産業事故のダイナミクスと結果を記述するイタリア語で書かれたテキストデータを処理することができた。
• 参考スコア（独自算出の注目度）: 5.827284205083041
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting patterns and useful information from Natural Language datasets is a challenging task, especially when dealing with data written in a language different from English, like Italian. Machine and Deep Learning, together with Natural Language Processing (NLP) techniques have widely spread and improved lately, providing a plethora of useful methods to address both Supervised and Unsupervised problems on textual information. We propose RECKONition, a NLP-based system for Industrial Accidents at Work Prevention. RECKONition, which is meant to provide Natural Language Understanding, Clustering and Inference, is the result of a joint partnership with the Italian National Institute for Insurance against Accidents at Work (INAIL). The obtained results showed the ability to process textual data written in Italian describing industrial accidents dynamics and consequences.
• Abstract（参考訳）: 自然言語データセットからパターンや有用な情報を抽出することは、特にイタリア語のような英語とは異なる言語で書かれたデータを扱う場合、難しい作業である。 機械学習とディープラーニングは、自然言語処理(NLP)技術とともに近年広く普及し、テキスト情報における教師なしと教師なしの両方の問題に対処する有用な方法が数多く提供されている。 労働予防におけるNLPに基づく産業事故対応システムであるRECKONitionを提案する。 RECKONitionは、Natural Language Understanding, Clustering and Inference(自然言語理解、クラスタリング、推論)の提供を目的としており、イタリアのInstitute for Insurance for Accidents at Work (INAIL)と共同で活動している。 その結果、産業事故のダイナミクスと結果を記述するイタリア語で書かれたテキストデータを処理することができた。

関連論文リスト

• A Universal Prompting Strategy for Extracting Process Model Information from Natural Language Text using Large Language Models [0.8899670429041453]
  生成型大規模言語モデル(LLM)は,広範囲なデータを必要とすることなく,非常に高品質なNLPタスクを解くことができることを示す。 新たなプロンプト戦略に基づいて,LLMが最先端の機械学習手法より優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-26T06:39:35Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [71.85120354973073]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Enhancing Traffic Incident Management with Large Language Models: A Hybrid Machine Learning Approach for Severity Classification [3.674863913115431]
  本研究は,交通事故管理のための機械学習への大規模言語モデルの革新的な統合を実証する。 インシデントレポートから抽出した従来のデータと並行して,現代の言語モデルが生成する特徴を活用することで,重度分類の精度の向上を実証する。
  論文  参考訳（メタデータ） (2024-03-20T12:33:51Z)
• Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
  イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。 最近のデータ拡張手法は文法的誤りの問題を無視することが多い。 本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-16T16:52:07Z)
• Mining Healthcare Procurement Data Using Text Mining and Natural Language Processing -- Reflection From An Industrial Project [8.092450321868004]
  我々は、医療分野における何百万もの異質な調達文書を採掘するテキストマイニングとNLPソリューションを開発する産業プロジェクトについて述べる。 ドメイン知識を効果的に活用し、複数のテキストマイニングやNLPタスクや言語に一般化する手法を用いる。 この手法を適用して数百万の調達文書をマイニングし,最初の構造化された調達契約データベースを開発する。
  論文  参考訳（メタデータ） (2023-01-09T15:59:55Z)
• Smart Agriculture : A Novel Multilevel Approach for Agricultural Risk Assessment over Unstructured Data [0.5735035463793008]
  不確実性とは、将来何が起こるかわからない状態を指す。 本稿では、自然言語処理と機械学習技術を活用して不確実性をモデル化し、大量のテキストデータを用いて各不確実性クラスタのリスクレベルを評価することを目的とする。
  論文  参考訳（メタデータ） (2022-11-22T16:47:47Z)
• Reinforced Iterative Knowledge Distillation for Cross-Lingual Named Entity Recognition [54.92161571089808]
  言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。 既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。 半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2021-06-01T05:46:22Z)
• A Survey on Extraction of Causal Relations from Natural Language Text [9.317718453037667]
  因果関係はテキストに頻繁に現れ、テキストから因果関係を計算することで、予測タスクのための因果関係を構築するのに役立つ。 既存の因果抽出技術には、知識ベース、統計機械学習(ML)ベース、深層学習ベースアプローチなどがある。
  論文  参考訳（メタデータ） (2021-01-16T10:49:39Z)
• ERICA: Improving Entity and Relation Understanding for Pre-trained Language Models via Contrastive Learning [97.10875695679499]
  そこで本研究では, ERICA という新たなコントラスト学習フレームワークを提案し, エンティティとその関係をテキストでより深く理解する。 実験の結果,提案する erica フレームワークは文書レベルの言語理解タスクにおいて一貫した改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:35:22Z)
• InfoBERT: Improving Robustness of Language Models from An Information Theoretic Perspective [84.78604733927887]
  BERTのような大規模言語モデルは、幅広いNLPタスクで最先端のパフォーマンスを実現している。 近年の研究では、このようなBERTベースのモデルが、テキストの敵対的攻撃の脅威に直面していることが示されている。 本稿では,事前学習した言語モデルの堅牢な微調整のための新しい学習フレームワークであるInfoBERTを提案する。
  論文  参考訳（メタデータ） (2020-10-05T20:49:26Z)
• Exploring the Limits of Transfer Learning with a Unified Text-to-Text Transformer [64.22926988297685]
  下流タスクで微調整される前に、まずデータリッチタスクでモデルが事前訓練されるトランスファーラーニングは、自然言語処理(NLP)において強力な手法として登場した。 本稿では,すべてのテキストベースの言語問題をテキスト・トゥ・テキスト・フォーマットに変換する統一フレームワークにより,NLPのためのトランスファー学習手法を導入する状況について検討する。
  論文  参考訳（メタデータ） (2019-10-23T17:37:36Z)

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。