論文の概要: TEXTOIR: An Integrated and Visualized Platform for Text Open Intent Recognition

• arxiv url: http://arxiv.org/abs/2110.15063v1
• Date: Mon, 13 Sep 2021 02:08:18 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-15 05:11:37.637086
• Title: TEXTOIR: An Integrated and Visualized Platform for Text Open Intent Recognition
• Title（参考訳）: TEXTOIR: テキストオープンインテント認識のための統合的で視覚化されたプラットフォーム
• Authors: Hanlei Zhang, Xiaoteng Li, Hua Xu, Panpan Zhang, Kang Zhao, Kai Gao
• Abstract要約: TEXTOIRは、テキストオープンインテント認識のための、初めて統合され視覚化されたプラットフォームである。 オープンインテント検出とオープンインテント発見という2つの主要なモジュールで構成されている。
• 参考スコア（独自算出の注目度）: 21.07212721831634
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: TEXTOIR is the first integrated and visualized platform for text open intent recognition. It is composed of two main modules: open intent detection and open intent discovery. Each module integrates most of the state-of-the-art algorithms and benchmark intent datasets. It also contains an overall framework connecting the two modules in a pipeline scheme. In addition, this platform has visualized tools for data and model management, training, evaluation and analysis of the performance from different aspects. TEXTOIR provides useful toolkits and convenient visualized interfaces for each sub-module (Toolkit code: https://github.com/thuiar/TEXTOIR), and designs a framework to implement a complete process to both identify known intents and discover open intents (Demo code: https://github.com/thuiar/TEXTOIR-DEMO).
• Abstract（参考訳）: TEXTOIRは、テキストオープンインテント認識のための最初の統合および視覚化プラットフォームである。 open intent detectionとopen intent discoveryという2つの主要なモジュールで構成されている。 各モジュールは最先端のアルゴリズムとベンチマークインテントデータセットのほとんどを統合する。 また、パイプラインスキームで2つのモジュールを接続する全体的なフレームワークも含まれている。 さらに、このプラットフォームは、データとモデル管理、トレーニング、評価、さまざまな側面のパフォーマンス分析のためのツールを視覚化した。 TEXTOIRは、各サブモジュール(Toolkit code: https://github.com/thuiar/TEXTOIR)に便利なツールキットと便利な視覚化インターフェイスを提供し、既知のインテントを特定し、オープンインテントを発見するための完全なプロセスを実装するためのフレームワークを設計する(Demo code: https://github.com/thuiar/TEXTOIR-DEMO)。

関連論文リスト

• ALICE: Combining Feature Selection and Inter-Rater Agreeability for Machine Learning Insights [0.0]
  本稿では,新たなPythonライブラリであるAutomated Learning for Insightful Comparison and Evaluation(ALICE)を提案する。 これは、ブラックボックス機械学習モデルに対する洞察を求めるために、従来の特徴選択と、ユーザフレンドリなシンプルな方法で、ラタ間適合性の概念を融合する。 このフレームワークは、MLにおける解釈可能性の主要な概念の概要に続いて提案されている。
  論文  参考訳（メタデータ） (2024-04-13T17:34:58Z)
• The All-Seeing Project: Towards Panoptic Visual Recognition and Understanding of the Open World [71.52132776748628]
  オープンな世界のすべてを認識、理解するための大規模データとモデルであるAll-Seeing (AS)プロジェクトを紹介します。 我々は10億以上の領域に意味タグ、質問応答ペア、詳細なキャプションを付加した新しいデータセット(AS-1B)を作成します。 視覚認識と理解のための統合フレームワークであるAll-Seeing Model (ASM) を開発した。
  論文  参考訳（メタデータ） (2023-08-03T17:59:47Z)
• TRIE++: Towards End-to-End Information Extraction from Visually Rich Documents [51.744527199305445]
  本稿では,視覚的にリッチな文書からエンド・ツー・エンドの情報抽出フレームワークを提案する。 テキスト読み出しと情報抽出は、よく設計されたマルチモーダルコンテキストブロックを介して互いに強化することができる。 フレームワークはエンドツーエンドのトレーニング可能な方法でトレーニングでき、グローバルな最適化が達成できる。
  論文  参考訳（メタデータ） (2022-07-14T08:52:07Z)
• Fashionformer: A simple, Effective and Unified Baseline for Human Fashion Segmentation and Recognition [80.74495836502919]
  本研究では,共同ファッションセグメンテーションと属性認識に着目した。 本稿では,セグメンテーションのためのオブジェクトクエリと属性予測のための属性クエリを紹介する。 属性ストリームのために,よりきめ細かい特徴を探索する新しいマルチレイヤレンダリングモジュールを設計する。
  論文  参考訳（メタデータ） (2022-04-10T11:11:10Z)
• Mapping the Internet: Modelling Entity Interactions in Complex Heterogeneous Networks [0.0]
  サンプル表現、モデル定義、トレーニングのための汎用性のある統一フレームワークHMill'を提案します。 フレームワークに実装されたモデルによって実現されたすべての関数の集合に対する普遍近似定理の拡張を示す。 このフレームワークを使ってサイバーセキュリティドメインから3つの異なる問題を解決する。
  論文  参考訳（メタデータ） (2021-04-19T21:32:44Z)
• Enhanced Boundary Learning for Glass-like Object Segmentation [55.45473926510806]
  本稿では,拡張境界学習によるガラス状物体分割問題を解くことを目的とする。 特に,より微細な境界キューを生成するための改良された微分モジュールを最初に提案する。 境界に沿った大域的な形状表現をモデル化するために,エッジ対応のグラフ畳み込みネットワークモジュールを提案する。
  論文  参考訳（メタデータ） (2021-03-29T16:18:57Z)
• 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)
• MixingBoard: a Knowledgeable Stylized Integrated Text Generation Platform [32.50773822686633]
  MixingBoardは、知識に基づくスタイル付きテキスト生成に焦点を当てたデモを構築するためのプラットフォームである。 ローカル開発やリモートアクセス,WebページAPIなどのユーザインターフェースが提供されることで,ユーザが自身のデモを簡単に構築できるようになる。
  論文  参考訳（メタデータ） (2020-05-17T20:29:27Z)
• 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)
• Spatial Priming for Detecting Human-Object Interactions [89.22921959224396]
  画像中の人-物間相互作用(HOI)を検出するために,空間的レイアウト情報を利用する手法を提案する。 提案手法は,視覚モジュールを初期化して人間と物体の相互作用のタイプを予測するレイアウトモジュールから構成される。 提案したモデルでは、HICO-DetデータセットのmAPが24.79%に達し、これは現在の最先端よりも約2.8%高い。
  論文  参考訳（メタデータ） (2020-04-09T23:20:30Z)

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。