Fugu-MT 論文翻訳(概要): Automatic Construction of Enterprise Knowledge Base

論文の概要: Automatic Construction of Enterprise Knowledge Base

arxiv url: http://arxiv.org/abs/2106.15085v1
Date: Tue, 29 Jun 2021 04:29:02 GMT
ステータス: 処理完了
システム内更新日: 2021-06-30 15:31:11.878806
Title: Automatic Construction of Enterprise Knowledge Base
Title（参考訳）: 企業知識ベースの自動構築
Authors: Junyi Chai, Yujie He, Homa Hashemi, Bing Li, Daraksha Parveen, Ranganath Kondapally, Wenjin Xu
Abstract要約: 本稿では,人間の介入を最小限に抑えた大規模エンタープライズ文書から知識ベース自動構築システムを提案する。このシステムは、現在Microsoft 365サービスの一部として提供されている。
参考スコア（独自算出の注目度）: 6.6421796160706945
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present an automatic knowledge base construction system from large scale enterprise documents with minimal efforts of human intervention. In the design and deployment of such a knowledge mining system for enterprise, we faced several challenges including data distributional shift, performance evaluation, compliance requirements and other practical issues. We leveraged state-of-the-art deep learning models to extract information (named entities and definitions) at per document level, then further applied classical machine learning techniques to process global statistical information to improve the knowledge base. Experimental results are reported on actual enterprise documents. This system is currently serving as part of a Microsoft 365 service.
Abstract（参考訳）: 本稿では,人間の介入を最小限に抑えた大規模企業文書の自動知識ベース構築システムを提案する。企業におけるこのような知識マイニングシステムの設計と展開において,データ分散シフト,パフォーマンス評価,コンプライアンス要件など,いくつかの課題に直面した。我々は,最先端のディープラーニングモデルを用いて文書レベルで情報(名前付きエンティティと定義)を抽出し,さらに古典的機械学習技術を用いてグローバル統計情報を処理し,知識ベースを改善する。実験結果は実際の企業文書で報告されている。このシステムは、現在microsoft 365サービスの一部として機能している。

関連論文リスト

Deep Learning based Key Information Extraction from Business Documents: Systematic Literature Review [51.61531917413708]
鍵情報抽出のための深層学習に基づくアプローチは、文書理解(Document Understanding)という用語で提案されている。この体系的な文献レビューの目的は、この領域における既存のアプローチの詳細な分析とさらなる研究の機会の同定である。
論文参考訳（メタデータ） (2024-07-23T08:15:55Z)
Knowledge Sharing in Manufacturing using Large Language Models: User Evaluation and Model Benchmarking [7.976952274443561]
大規模言語モデル(LLM)ベースのシステムは、専門家が共有する工場文書や知識から情報を取得するように設計されている。システムは、オペレータからの問い合わせに効率的に答え、新しい知識の共有を容易にすることを目的としている。
論文参考訳（メタデータ） (2024-01-10T14:53:18Z)
Data Efficient Training of a U-Net Based Architecture for Structured Documents Localization [0.0]
構造化文書のローカライズのためのエンコーダデコーダアーキテクチャのような新しいU-NetであるSDL-Netを提案する。本手法では,SDL-Netのエンコーダを,各種文書クラスのサンプルを含む汎用データセット上で事前学習することができる。
論文参考訳（メタデータ） (2023-10-02T07:05:19Z)
Model-Driven Engineering Method to Support the Formalization of Machine Learning using SysML [0.0]
本研究は,モデルベース工学を活用した機械学習タスクの協調的定義を支援する手法を提案する。この方法は、様々なデータソースの識別と統合、データ属性間のセマンティックな関係の定義、データ処理ステップの定義をサポートする。
論文参考訳（メタデータ） (2023-07-10T11:33:46Z)
Benchmarking Automated Machine Learning Methods for Price Forecasting Applications [58.720142291102135]
自動機械学習(AutoML)ソリューションで手作業で作成したMLパイプラインを置換する可能性を示す。 CRISP-DMプロセスに基づいて,手動MLパイプラインを機械学習と非機械学習に分割した。本稿では、価格予測の産業利用事例として、ドメイン知識とAutoMLを組み合わせることで、ML専門家への依存が弱まることを示す。
論文参考訳（メタデータ） (2023-04-28T10:27:38Z)
Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。 REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。 REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文参考訳（メタデータ） (2022-05-02T21:42:45Z)
Embedding Knowledge for Document Summarization: A Survey [66.76415502727802]
従来の研究は、知識を組み込んだ文書要約器が優れた消化器を生成するのに優れていたことを証明した。本稿では,文書要約ビューに基づいて,知識と知識の埋め込みを再カプセル化する手法を提案する。
論文参考訳（メタデータ） (2022-04-24T04:36:07Z)
Deep Learning for Technical Document Classification [6.787004826008753]
本稿では,技術文書分類のためのマルチモーダル深層学習アーキテクチャTechDocについて述べる。トレーニングされたモデルは、テキストと数字の両方で、数百万の現実世界の技術ドキュメントにスケールできる可能性がある。
論文参考訳（メタデータ） (2021-06-27T16:12:47Z)
A Survey of Deep Learning Approaches for OCR and Document Understanding [68.65995739708525]
我々は、英語で書かれた文書の文書理解のための様々な手法をレビューする。文献に現れる方法論を集約し,この領域を探索する研究者の跳躍点として機能させる。
論文参考訳（メタデータ） (2020-11-27T03:05:59Z)
Towards CRISP-ML(Q): A Machine Learning Process Model with Quality Assurance Methodology [53.063411515511056]
本稿では,機械学習アプリケーション開発のためのプロセスモデルを提案する。第1フェーズでは、データの可用性がプロジェクトの実現可能性に影響を与えることが多いため、ビジネスとデータの理解が結合されます。第6フェーズでは、機械学習アプリケーションの監視とメンテナンスに関する最先端のアプローチがカバーされている。
論文参考訳（メタデータ） (2020-03-11T08:25:49Z)
Documentation of Machine Learning Software [7.154621689269006]
機械学習ソフトウェアドキュメンテーションは、ソフトウェア工学の研究で研究されたほとんどのドキュメントとは異なる。私たちの最終的な目標は、さまざまなレベルの専門知識を持つユーザのための機械学習ソフトウェアドキュメントの自動生成と適応です。 Stack Overflow Q/Aを調査し、機械学習領域内のドキュメント関連Q/Aを分類する。
論文参考訳（メタデータ） (2020-01-30T00:01:28Z)

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。