論文の概要: Error-Aware Interactive Semantic Parsing of OpenStreetMap

• arxiv url: http://arxiv.org/abs/2106.11739v1
• Date: Tue, 22 Jun 2021 13:18:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-23 15:01:23.308791
• Title: Error-Aware Interactive Semantic Parsing of OpenStreetMap
• Title（参考訳）: 誤り認識によるopenstreetmapの対話的意味解析
• Authors: Michael Staniek and Stefan Riezler
• Abstract要約: OpenStreetMap (OSM)のような現実世界のデータベースに対する地理的クエリでは、必ずしも独自の正解が存在するとは限らない。 本研究では,明示的な誤り検出を行う対話型意味解析手法を提案する。 疑わしい曖昧さや誤りの源をピンポイントし、それを人間のユーザへ伝達する明確化質問を生成する。
• 参考スコア（独自算出の注目度）: 11.878820609988695
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In semantic parsing of geographical queries against real-world databases such as OpenStreetMap (OSM), unique correct answers do not necessarily exist. Instead, the truth might be lying in the eye of the user, who needs to enter an interactive setup where ambiguities can be resolved and parsing mistakes can be corrected. Our work presents an approach to interactive semantic parsing where an explicit error detection is performed, and a clarification question is generated that pinpoints the suspected source of ambiguity or error and communicates it to the human user. Our experimental results show that a combination of entropy-based uncertainty detection and beam search, together with multi-source training on clarification question, initial parse, and user answer, results in improvements of 1.2% F1 score on a parser that already performs at 90.26% on the NLMaps dataset for OSM semantic parsing.
• Abstract（参考訳）: openstreetmap(osm)のような実際のデータベースに対する地理的クエリの意味解析では、ユニークな正しい答えは必ずしも存在しない。 その代わり、真理はユーザの目に横たわり、あいまいさを解消し、ミスのパースを修正できるインタラクティブなセットアップに入る必要があるかもしれません。 本研究は,明示的な誤り検出を行う対話的意味解析へのアプローチを提示し,曖昧さや誤りの疑いのある原因を特定し,それをユーザと通信する明確化問題を生成する。 実験の結果、エントロピーに基づく不確実性検出とビーム探索の組み合わせと、明確化質問、初期解析、ユーザ回答のマルチソーストレーニングを組み合わせることで、osm意味解析のために既にnlmapsデータセット上で90.26%で実行されているパーサー上の1.2%のf1スコアが改善されることがわかった。

関連論文リスト

• Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  言語モデルの性能の効果的な指標としての可能性を示す。 提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• Localizing Factual Inconsistencies in Attributable Text Generation [91.981439746404]
  本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。 まず,人間のアノテーションに対するQASemConsistency法の有効性を示す。 そこで我々は,局所的な事実の不整合を自動的に検出するいくつかの手法を実装した。
  論文  参考訳（メタデータ） (2024-10-09T22:53:48Z)
• LLMs for Test Input Generation for Semantic Caches [1.8628177380024746]
  大規模言語モデル(LLM)は、最先端のセマンティック機能をソフトウェアシステムに追加することを可能にする。 規模によっては、何千ものユーザーへのサービス提供コストは、ユーザーエクスペリエンスにも大きく影響します。 本稿では、構造化されていない文書から類似した質問を生成するテスト入力生成にLLMを使用するアプローチであるVaryGenを提案する。
  論文  参考訳（メタデータ） (2024-01-16T06:16:33Z)
• See, Say, and Segment: Teaching LMMs to Overcome False Premises [67.36381001664635]
  この課題を解決するために,LMMのカスケードと共同学習手法を提案する。 得られたモデルでは、画像中に物体が存在するかどうかを検知し、その物体が存在しないかをユーザに「例」し、最終的に、対象物のマスクを出力することで「分類」を行う。
  論文  参考訳（メタデータ） (2023-12-13T18:58:04Z)
• Making Retrieval-Augmented Language Models Robust to Irrelevant Context [55.564789967211844]
  ALMの重要なデシプラタムは、検索された情報が関連する場合のパフォーマンスをモデル化するのに役立つことである。 近年の研究では、検索の増大がパフォーマンスに悪影響を及ぼすことが示されている。
  論文  参考訳（メタデータ） (2023-10-02T18:52:35Z)
• Zero and Few-shot Semantic Parsing with Ambiguous Inputs [45.285508941560295]
  私たちは、曖昧な自然言語を論理やコードといった形式的な表現に変換するためのフレームワーク、データセット、課題であるAmPを紹介します。 我々は,AmPを用いて,複数ショットのテキスト・ツー・コードシステムがあいまいさをどのように処理し,新しいメトリクスを3つ導入するかを検討する。 事前学習された大規模なモデルでは,意図的な指示を伴わずに,可能な意味の分布を把握できないことが判明した。
  論文  参考訳（メタデータ） (2023-06-01T15:46:36Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• NL-EDIT: Correcting semantic parse errors through natural language interaction [28.333860779302306]
  インタラクションコンテキストにおける自然言語フィードバックの解釈モデルであるNL-EDITを提案する。 NL-EDITは1回補正するだけで、既存のテキスト対アリーの精度を最大20%向上できることを示す。
  論文  参考訳（メタデータ） (2021-03-26T15:45:46Z)
• On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
  我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。 結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
  論文  参考訳（メタデータ） (2020-05-12T11:01:44Z)
• Speak to your Parser: Interactive Text-to-SQL with Natural Language Feedback [39.45695779589969]
  本研究では,自然言語フィードバックを用いた意味的パース補正の課題について検討する。 本稿では,人間がさらにシステムと対話できる,よりインタラクティブなシナリオについて検討する。
  論文  参考訳（メタデータ） (2020-05-05T23:58:09Z)
• An Imitation Game for Learning Semantic Parsers from User Interaction [43.66945504686796]
  ユーザから直接セマンティックアノテーションを学習するための代替手段として,Human-in-the-loop法を提案する。 セマンティクスはイントロスペクティブで、不確実な場合にはユーザデモをプロンプトする必要がある。 そうすることで、ユーザの振る舞いを模倣し、自らを自律的に改善し続けます。
  論文  参考訳（メタデータ） (2020-05-02T03:30:49Z)

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。