論文の概要: Extracting Semantics from Maintenance Records

• arxiv url: http://arxiv.org/abs/2108.05454v1
• Date: Wed, 11 Aug 2021 21:23:10 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-13 14:45:09.362616
• Title: Extracting Semantics from Maintenance Records
• Title（参考訳）: 保守記録からのセマンティクス抽出
• Authors: Sharad Dixit, Varish Mulwad, Abhinav Saxena
• Abstract要約: 保守記録から名前付きエンティティ認識を抽出する3つの手法を開発した。 我々は、構文規則と意味に基づくアプローチと、事前学習された言語モデルを活用するアプローチを開発する。 実世界の航空整備記録データを用いた評価の結果,有望な結果が得られた。
• 参考スコア（独自算出の注目度）: 0.2578242050187029
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Rapid progress in natural language processing has led to its utilization in a variety of industrial and enterprise settings, including in its use for information extraction, specifically named entity recognition and relation extraction, from documents such as engineering manuals and field maintenance reports. While named entity recognition is a well-studied problem, existing state-of-the-art approaches require large labelled datasets which are hard to acquire for sensitive data such as maintenance records. Further, industrial domain experts tend to distrust results from black box machine learning models, especially when the extracted information is used in downstream predictive maintenance analytics. We overcome these challenges by developing three approaches built on the foundation of domain expert knowledge captured in dictionaries and ontologies. We develop a syntactic and semantic rules-based approach and an approach leveraging a pre-trained language model, fine-tuned for a question-answering task on top of our base dictionary lookup to extract entities of interest from maintenance records. We also develop a preliminary ontology to represent and capture the semantics of maintenance records. Our evaluations on a real-world aviation maintenance records dataset show promising results and help identify challenges specific to named entity recognition in the context of noisy industrial data.
• Abstract（参考訳）: 自然言語処理の急速な進歩は、工学マニュアルやフィールドメンテナンスレポートなどの文書から情報抽出、特に名前付きエンティティ認識、関係抽出などを含む、さまざまな産業および企業での利用につながった。 名前付きエンティティ認識はよく研究されている問題であるが、既存の最先端のアプローチでは、メンテナンス記録のような機密データに対して取得が難しい大規模なラベル付きデータセットを必要とする。 さらに、産業ドメインの専門家は、特に下流の予測保守分析で抽出された情報を使用する場合、ブラックボックス機械学習モデルからの結果を信頼しない傾向がある。 辞書やオントロジーで捉えたドメインエキスパートの知識の基礎に基づく3つのアプローチを開発することで、これらの課題を克服します。 構文的・意味的ルールに基づくアプローチを開発し,事前学習した言語モデルを活用して,基本辞書のルックアップの上に質問応答タスクを微調整し,メンテナンスレコードから興味のあるエンティティを抽出する手法を開発した。 また,メンテナンスレコードのセマンティクスを表現し,キャプチャする予備的オントロジーも開発した。 実世界の航空整備記録データセットに対する評価は,有望な結果を示し,ノイズの多い産業データの文脈において,名前付きエンティティ認識に特有の課題を特定するのに役立つ。

関連論文リスト

• Benchmarking pre-trained text embedding models in aligning built asset information [0.0]
  本研究では、組立資産情報とドメイン固有の技術的概念の整合性を評価するため、最先端のテキスト埋め込みモデルの比較ベンチマークを提案する。 提案した6つのデータセットを対象としたベンチマークの結果は、クラスタリング、検索、再ランク付けの3つのタスクをカバーし、将来のドメイン適応技術の研究の必要性を強調している。
  論文  参考訳（メタデータ） (2024-11-18T20:54:17Z)
• Empowering Domain-Specific Language Models with Graph-Oriented Databases: A Paradigm Shift in Performance and Model Maintenance [0.0]
  私たちの作業は、特定のアプリケーションドメインに固有の、大量の短いテキストドキュメントを管理し、処理する必要があることによるものです。 ドメイン固有の知識と専門知識を活用することで、このアプローチは、これらのドメイン内の実データを形成することを目的としています。 我々の研究は、ドメイン固有言語モデルとグラフ指向データベースのパートナーシップの変革の可能性を強調します。
  論文  参考訳（メタデータ） (2024-10-04T19:02:09Z)
• Computational Job Market Analysis with Natural Language Processing [5.117211717291377]
  本論文は,業務記述から関連情報を抽出する自然言語処理(NLP)技術について考察する。 問題の枠組みを定め,注釈付きデータを取得し,抽出手法を導入する。 私たちのコントリビューションには、ジョブ記述データセット、非識別データセット、効率的なモデルトレーニングのための新しいアクティブラーニングアルゴリズムが含まれています。
  論文  参考訳（メタデータ） (2024-04-29T14:52:38Z)
• Capture the Flag: Uncovering Data Insights with Large Language Models [90.47038584812925]
  本研究では,Large Language Models (LLMs) を用いてデータの洞察の発見を自動化する可能性について検討する。 そこで本稿では,データセット内の意味的かつ関連する情報(フラグ)を識別する能力を測定するために,フラグを捕捉する原理に基づく新しい評価手法を提案する。
  論文  参考訳（メタデータ） (2023-12-21T14:20:06Z)
• Informed Named Entity Recognition Decoding for Generative Language Models [3.5323691899538128]
  Informed Named Entity Recognition Decoding (iNERD) を提案する。 8つの名前付きエンティティ認識データセット上で5つの生成言語モデルを評価し、優れた結果を得るため、統合されたエンティティコーパス上でモデルを粗いチューニングを行い、その性能を向上させる。
  論文  参考訳（メタデータ） (2023-08-15T14:16:29Z)
• Gradient Imitation Reinforcement Learning for General Low-Resource Information Extraction [80.64518530825801]
  本研究では,ラベル付きデータに対する勾配降下方向を模倣するために擬似ラベル付きデータを奨励するグラディエント強化学習法(GIRL)を開発した。 GIRLを利用して、低リソース設定ですべてのIEサブタスク(エンティティ認識、関係抽出、イベント抽出)を解決します。
  論文  参考訳（メタデータ） (2022-11-11T05:37:19Z)
• Schema-aware Reference as Prompt Improves Data-Efficient Knowledge Graph Construction [57.854498238624366]
  本稿では,データ効率のよい知識グラフ構築のためのRAP(Schema-Aware Reference As Prompt)の検索手法を提案する。 RAPは、人間の注釈付きおよび弱教師付きデータから受け継いだスキーマと知識を、各サンプルのプロンプトとして動的に活用することができる。
  論文  参考訳（メタデータ） (2022-10-19T16:40:28Z)
• Deep Learning based pipeline for anomaly detection and quality enhancement in industrial binder jetting processes [68.8204255655161]
  異常検出は、通常の値空間とは異なる異常状態、インスタンス、あるいはデータポイントを検出する方法を記述する。 本稿では,産業生産における人工知能へのデータ中心のアプローチに寄与する。
  論文  参考訳（メタデータ） (2022-09-21T08:14:34Z)
• Knowledge Graph Anchored Information-Extraction for Domain-Specific Insights [1.6308268213252761]
  新しいドメイン内で特定の情報ニーズを満たすためにタスクベースのアプローチを使用します。 美術NLP技術の状態を構成したパイプラインを使用して、インスタンスレベルのセマンティック構造を自動的に抽出する。
  論文  参考訳（メタデータ） (2021-04-18T19:28:10Z)
• Streaming Self-Training via Domain-Agnostic Unlabeled Images [62.57647373581592]
  視覚認識モデル学習の過程を民主化することを目的としたストリーミング自己学習(SST)を提案する。 SSTの鍵となるのは、(1)ドメインに依存しない未ラベル画像により、追加の知識や監督なしにいくつかのラベル付き例でより良いモデルを学ぶことができ、(2)学習は継続的なプロセスであり、学習更新のスケジュールを構築することで行うことができる。
  論文  参考訳（メタデータ） (2021-04-07T17:58:39Z)
• Predicting Themes within Complex Unstructured Texts: A Case Study on Safeguarding Reports [66.39150945184683]
  本稿では,教師付き分類手法を用いた保護レポートにおいて,主テーマの自動識別の問題に焦点をあてる。 この結果から,ラベル付きデータに制限のある複雑なタスクであっても,深層学習モデルが対象知識の振る舞いをシミュレートする可能性が示唆された。
  論文  参考訳（メタデータ） (2020-10-27T19:48:23Z)

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。