論文の概要: Pseudo Siamese Network for Few-shot Intent Generation

• arxiv url: http://arxiv.org/abs/2105.00896v1
• Date: Mon, 3 May 2021 14:30:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-04 14:08:00.797853
• Title: Pseudo Siamese Network for Few-shot Intent Generation
• Title（参考訳）: Pseudo Siamese Network for Few-shot Intent Generation
• Authors: Congying Xia, Caiming Xiong, Philip Yu
• Abstract要約: 本稿では,偽シャムネットワーク (psn) を提案する。 psnは同じ構造で異なる重みを持つ2つの同一のワークから成り、アクションネットワークとオブジェクトネットワークである。 2つの実世界のデータセットの実験は、PSNが一般化された少数のショットインテント検出タスクの最先端のパフォーマンスを達成することを示しています。
• 参考スコア（独自算出の注目度）: 54.10596778418007
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Few-shot intent detection is a challenging task due to the scare annotation problem. In this paper, we propose a Pseudo Siamese Network (PSN) to generate labeled data for few-shot intents and alleviate this problem. PSN consists of two identical subnetworks with the same structure but different weights: an action network and an object network. Each subnetwork is a transformer-based variational autoencoder that tries to model the latent distribution of different components in the sentence. The action network is learned to understand action tokens and the object network focuses on object-related expressions. It provides an interpretable framework for generating an utterance with an action and an object existing in a given intent. Experiments on two real-world datasets show that PSN achieves state-of-the-art performance for the generalized few shot intent detection task.
• Abstract（参考訳）: わずかなインテント検出は、スカアアノテーションの問題のため、難しいタスクです。 本稿では,ごくわずかなインテントに対してラベル付きデータを生成し,この問題を緩和するための疑似シャムネットワーク(psn)を提案する。 psnは同じ構造で異なる重みを持つ2つの同一のサブネットワークから成り、アクションネットワークとオブジェクトネットワークである。 各サブネットワークはトランスフォーマティブベースの変分オートエンコーダであり、文中の異なるコンポーネントの潜在分布をモデル化しようとする。 アクションネットワークはアクショントークンを理解するために学習され、オブジェクトネットワークはオブジェクト関連の表現に焦点を当てる。 アクションと与えられた意図に存在するオブジェクトとの発話を生成するための解釈可能なフレームワークを提供する。 2つの実世界のデータセットにおける実験は、psnが一般化された少数のショットインテント検出タスクで最先端のパフォーマンスを達成していることを示している。

関連論文リスト

• Hierarchical Graph Interaction Transformer with Dynamic Token Clustering for Camouflaged Object Detection [57.883265488038134]
  本稿では,HGINetと呼ばれる階層的なグラフ相互作用ネットワークを提案する。 このネットワークは、階層的トークン化機能間の効果的なグラフ相互作用を通じて、知覚不能なオブジェクトを発見することができる。 本実験は,既存の最先端手法と比較して,HGINetの優れた性能を示すものである。
  論文  参考訳（メタデータ） (2024-08-27T12:53:25Z)
• Neural Descriptor Fields: SE(3)-Equivariant Object Representations for Manipulation [75.83319382105894]
  対象と対象の相対的なポーズを符号化するオブジェクト表現であるニューラル・ディスクリプタ・フィールド(NDF)を提案する。 NDFは、専門家ラベル付きキーポイントに依存しない3D自動エンコーディングタスクを通じて、自己教師型で訓練される。 我々のパフォーマンスは、オブジェクトインスタンスと6-DoFオブジェクトの両方のポーズを一般化し、2Dディスクリプタに依存する最近のベースラインを著しく上回ります。
  論文  参考訳（メタデータ） (2021-12-09T18:57:15Z)
• Generating Band-Limited Adversarial Surfaces Using Neural Networks [0.9208007322096533]
  逆の例は、分類ニューラルネットワークの入力信号に追加されるノイズを生成する技術である。 この技術的レポートでは、攻撃を発生させるニューラルネットワークを提案する。
  論文  参考訳（メタデータ） (2021-11-14T19:16:05Z)
• Anabranch Network for Camouflaged Object Segmentation [23.956327305907585]
  本稿では,キャモフラージュ対象分割問題,すなわち所定の画像に対するキャモフラーグ対象分割問題について検討する。 この問題に対処するため,我々は,ベンチマーク目的のカモフラージュされたオブジェクトの画像データセットを新たに提供した。 さらに,分類タスクとセグメント化タスクの両方を活用する,Anabranch Networkと呼ばれる汎用的なエンドツーエンドネットワークを提案する。
  論文  参考訳（メタデータ） (2021-05-20T01:52:44Z)
• Joint Intent Detection and Slot Filling with Wheel-Graph Attention Networks [6.939768185086755]
  本稿では,車輪グラフ注意ネットワーク(Wheel-GAT)を用いた新しいジョイントモデルを提案する。 発話のためのグラフ構造を構築するために、意図ノード、スロットノード、有向エッジを作成する。
  論文  参考訳（メタデータ） (2021-02-09T02:37:56Z)
• Where2Act: From Pixels to Actions for Articulated 3D Objects [54.19638599501286]
  可動部を有する関節物体の押出しや引抜き等の基本動作に関連する高度に局所化された動作可能な情報を抽出する。 シミュレーションでネットワークをトレーニングできるオンラインデータサンプリング戦略を備えた学習から対話までのフレームワークを提案します。 私たちの学習モデルは、現実世界のデータにも転送します。
  論文  参考訳（メタデータ） (2021-01-07T18:56:38Z)
• Understanding the Role of Individual Units in a Deep Neural Network [85.23117441162772]
  本稿では,画像分類と画像生成ネットワーク内の隠れ単位を系統的に同定する分析フレームワークを提案する。 まず、シーン分類に基づいて訓練された畳み込みニューラルネットワーク(CNN)を分析し、多様なオブジェクト概念にマッチするユニットを発見する。 第2に、シーンを生成するために訓練されたGANモデルについて、同様の分析手法を用いて分析する。
  論文  参考訳（メタデータ） (2020-09-10T17:59:10Z)
• Entropy Guided Adversarial Model for Weakly Supervised Object Localization [11.77745060973134]
  トレーニング中にネットワークが生成したCAMにシャノンエントロピーを適用して誘導する。 我々の手法は、画像のどの部分も消去しないし、ネットワークのアーカイトキュアも変更しない。 我々のEntropy Guided Adversarial Model(EGAモデル)は、ローカライゼーションと分類精度の両面において、最先端のアーツベンチマークの性能を改善した。
  論文  参考訳（メタデータ） (2020-08-04T19:39:12Z)
• AGIF: An Adaptive Graph-Interactive Framework for Joint Multiple Intent Detection and Slot Filling [69.59096090788125]
  本稿では,多目的検出とスロットフィリングを併用する適応グラフ対話フレームワーク(AGIF)を提案する。 スロットとインテントの強い相関関係をモデル化するために,インテント-スロットグラフ相互作用層を導入する。 このような相互作用層が各トークンに適応的に適用され、関連する意図情報を自動抽出する利点がある。
  論文  参考訳（メタデータ） (2020-04-21T15:07:34Z)

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。