Fugu-MT 論文翻訳(概要): Hidden Markov Based Mathematical Model dedicated to Extract Ingredients from Recipe Text

論文の概要: Hidden Markov Based Mathematical Model dedicated to Extract Ingredients from Recipe Text

arxiv url: http://arxiv.org/abs/2110.15707v1
Date: Tue, 28 Sep 2021 14:38:11 GMT
ステータス: 処理完了
システム内更新日: 2023-03-13 07:10:17.129073
Title: Hidden Markov Based Mathematical Model dedicated to Extract Ingredients from Recipe Text
Title（参考訳）: レシピテキストから成分を抽出するための隠れマルコフに基づく数学的モデル
Authors: Zied Baklouti (UP, ENIT)
Abstract要約: POSタグ(Partof-speech tagging)は、注釈付きコーパスを必要とする前処理タスクである。隠れマルコフ構造に基づく数学的モデルを実行し,テキストレシピから抽出した成分の高精度な精度を得た。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Natural Language Processing (NLP) is a branch of artificial intelligence that gives machines the ability to decode human languages. Partof-speech tagging (POS tagging) is a pre-processing task that requires an annotated corpus. Rule-based and stochastic methods showed remarkable results for POS tag prediction. On this work, I performed a mathematical model based on Hidden Markov structures and I obtained a high-level accuracy of ingredients extracted from text recipe with performances greater than what traditional methods could make without unknown words consideration.
Abstract（参考訳）: 自然言語処理(nlp)は、機械に人間の言語を解読する能力を与える人工知能の分野である。 partof-speech tagging (pos tagging) は、注釈付きコーパスを必要とする前処理タスクである。ルールベースおよび確率的手法はPOSタグ予測において顕著な結果を示した。そこで本研究では,隠れマルコフ構造に基づく数理モデルを行い,未知語を考慮せずに,従来の手法よりも高い性能でテキストレシピから抽出した成分の高精度さを得た。

関連論文リスト

Batching BPE Tokenization Merges [55.2480439325792]
BatchBPEはByte PairアルゴリズムのPython実装である。ベーシックラップトップ上で高品質なトークンをトレーニングするために使用される。
論文参考訳（メタデータ） (2024-08-05T09:37:21Z)
Extracting Definienda in Mathematical Scholarly Articles with Transformers [0.0]
学術論文のテキストから数学的定義の中で定義項を自動的に識別することを検討する。最近の(そして高価な) GPT 4 や、我々のタスクで微調整されたより単純な事前訓練モデルを用いて、高いレベルの精度に到達し、リコールすることが可能である。
論文参考訳（メタデータ） (2023-11-21T08:58:57Z)
Nonparametric Masked Language Modeling [113.71921977520864]
既存の言語モデル(LM)は、有限語彙上のソフトマックスでトークンを予測する。 NPMは,このソフトマックスを参照コーパス内の各フレーズの非パラメトリック分布に置き換える最初の非パラメトリックマスク付き言語モデルである。 NPMは、コントラスト目的と全コーパス検索に対するバッチ内近似で効率的に訓練することができる。
論文参考訳（メタデータ） (2022-12-02T18:10:42Z)
A Transformer Architecture for Online Gesture Recognition of Mathematical Expressions [0.0]
トランスフォーマーアーキテクチャは、グリフストロークに対応するオンライン手書きジェスチャーから表現木を構築するためのエンドツーエンドモデルを提供する。注意機構は、表現の基本的な構文をエンコードし、学習し、強制するためにうまく利用された。エンコーダは初めて、目に見えないオンラインの時間的データトークンによって、無限に大きな語彙を形成します。
論文参考訳（メタデータ） (2022-11-04T17:55:55Z)
Classifiers are Better Experts for Controllable Text Generation [63.17266060165098]
提案手法は, PPLにおける最近のPPLM, GeDi, DExpertsよりも有意に優れており, 生成したテキストの外部分類器に基づく感情の精度が高いことを示す。同時に、実装やチューニングも簡単で、制限や要件も大幅に少なくなります。
論文参考訳（メタデータ） (2022-05-15T12:58:35Z)
Compositional Task-Oriented Parsing as Abstractive Question Answering [25.682923914685063]
タスク指向構文解析は、自然言語をアラームの設定など特定のタスクの機械可読表現に変換することを目的としている。 TOP に対する一般的なアプローチは、線形化されたパースツリーを生成するために seq2seq モデルを適用することである。より最近の研究は、事前訓練されたSeq2seqモデルは、それ自体が自然言語である出力を生成するのに優れており、線形化されたパースツリーを標準自然言語のパラフレーズに置き換えていると主張している。
論文参考訳（メタデータ） (2022-05-04T14:01:08Z)
Syntax-Aware Network for Handwritten Mathematical Expression Recognition [53.130826547287626]
手書き数式認識(HMER)は、多くの潜在的な応用が可能な課題である。 HMERの最近の手法はエンコーダ・デコーダアーキテクチャで優れた性能を実現している。本稿では,構文情報をエンコーダ・デコーダネットワークに組み込んだHMERの簡易かつ効率的な手法を提案する。
論文参考訳（メタデータ） (2022-03-03T09:57:19Z)
Lexically Aware Semi-Supervised Learning for OCR Post-Correction [90.54336622024299]
世界中の多くの言語における既存の言語データの多くは、非デジタル化された書籍や文書に閉じ込められている。従来の研究は、あまり良くない言語を認識するためのニューラル・ポスト・コレクション法の有用性を実証してきた。そこで本研究では,生画像を利用した半教師付き学習手法を提案する。
論文参考訳（メタデータ） (2021-11-04T04:39:02Z)
Feature Extraction of Text for Deep Learning Algorithms: Application on Fake News Detection [0.0]
ディープラーニングアルゴリズムとニュースのオリジナルテキストのアルファベット周波数を使って、アルファベットのシーケンスに関する情報がなくても、偽ニュースや信頼できるニュースを高精度に分類することができることが示される。アルファベットの周波数には、原文の複雑な文脈や意味を理解するのに有用な特徴がいくつか含まれているようである。
論文参考訳（メタデータ） (2020-10-12T07:43:01Z)
Exploring Software Naturalness through Neural Language Models [56.1315223210742]
ソフトウェア自然性仮説(Software Naturalness hypothesis)は、自然言語処理で使用されるのと同じ手法でプログラミング言語を理解することができると主張している。この仮説は,事前学習されたトランスフォーマーベース言語モデルを用いて,コード解析タスクを実行することによって検討する。
論文参考訳（メタデータ） (2020-06-22T21:56:14Z)

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。