論文の概要: Projection: A Mixed-Initiative Research Process

• arxiv url: http://arxiv.org/abs/2201.03107v1
• Date: Sun, 9 Jan 2022 23:25:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-12 00:49:54.956047
• Title: Projection: A Mixed-Initiative Research Process
• Title（参考訳）: プロジェクション:混合イニシアティブな研究プロセス
• Authors: Austin Silveria
• Abstract要約: 本稿では,人間と機械間の通信の帯域幅を増やすことを目的とした複合開始型インタフェースであるProjectionを提案する。 このインタフェースは、階層的なクラスタリングや空間的投影といった技術を用いて、複数の次元で情報を検索したり視覚化したりするためのコンテキストの追加をサポートする。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Communication of dense information between humans and machines is relatively low bandwidth. Many modern search and recommender systems operate as machine learning black boxes, giving little insight as to how they represent information or why they take certain actions. We present Projection, a mixed-initiative interface that aims to increase the bandwidth of communication between humans and machines throughout the research process. The interface supports adding context to searches and visualizing information in multiple dimensions with techniques such as hierarchical clustering and spatial projections. Potential customers have shown interest in the application integrating their research outlining and search processes, enabling them to structure their searches in hierarchies, and helping them visualize related spaces of knowledge.
• Abstract（参考訳）: 人間と機械間の密な情報の通信は、比較的低帯域幅である。 現代の検索システムやレコメンダシステムの多くは、機械学習ブラックボックスとして動作し、情報の表現方法や、特定のアクションを取る理由に関する洞察をほとんど与えていない。 研究プロセスを通じて人間と機械間の通信の帯域幅を増やすことを目的とした複合開始インタフェースであるProjectionを提案する。 このインターフェースは、階層的クラスタリングや空間投影といった手法で、情報の検索と視覚化にコンテキストを追加することをサポートする。 潜在的な顧客は、研究の概要と検索プロセスを統合することに興味を示し、検索を階層的に構成し、関連する知識空間の可視化を支援することができる。

関連論文リスト

• Unraveling the Impact of Visual Complexity on Search as Learning [7.706941074799756]
  本研究では,学習指向Webセッションにおける視覚的複雑度と探索行動の関係について検討した。 その結果,視覚的に複雑なページが少ないセッションは,学習の成功に結びついていることが判明した。 報告された結果は、視覚的複雑さが学習指向検索に与える影響に光を当て、より効果的なIRシステムの設計を通知した。
  論文  参考訳（メタデータ） (2025-01-09T14:51:58Z)
• Masked Image Modeling: A Survey [73.21154550957898]
  マスク付き画像モデリングは、コンピュータビジョンにおける強力な自己教師付き学習技術として登場した。 我々は近年,分類学を構築し,最も顕著な論文をレビューしている。 我々は,最も人気のあるデータセット上で,様々なマスク付き画像モデリング手法の性能評価結果を集約する。
  論文  参考訳（メタデータ） (2024-08-13T07:27:02Z)
• Engineering Conversational Search Systems: A Review of Applications, Architectures, and Functional Components [4.262342157729123]
  本研究では,対話型検索システムの理論的研究と技術的実装の関連について検討する。 階層型アーキテクチャフレームワークを提案し,対話型検索システムの中核機能について説明する。 我々は,大規模言語モデルの急速な進歩を踏まえ,その能力,限界,今後の研究の方向性について考察する。
  論文  参考訳（メタデータ） (2024-07-01T06:24:11Z)
• ClawMachine: Learning to Fetch Visual Tokens for Referential Comprehension [71.03445074045092]
  我々はClawMachineを提案し、視覚トークンのグループのトークン集合を用いて各エンティティに明示的に通知する新しい方法論を提案する。 追加構文を用いることなく視覚的参照タスクのプロンプトと応答を統一する手法を提案する。 ClawMachineは、高い効率でシーンレベルおよび参照理解タスクにおいて優れたパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2024-06-17T08:39:16Z)
• Semantic-Based Active Perception for Humanoid Visual Tasks with Foveal Sensors [49.99728312519117]
  この研究の目的は、最近の意味に基づくアクティブな知覚モデルが、人間が定期的に行う視覚的なタスクをいかに正確に達成できるかを確立することである。 このモデルは、現在のオブジェクト検出器が多数のオブジェクトクラスをローカライズし、分類し、複数の固定にまたがるシーンのセマンティック記述を更新する能力を利用する。 シーン探索の課題では、セマンティック・ベースの手法は従来のサリエンシ・ベース・モデルよりも優れた性能を示す。
  論文  参考訳（メタデータ） (2024-04-16T18:15:57Z)
• From Data to Dialogue: Leveraging the Structure of Knowledge Graphs for Conversational Exploratory Search [4.861125297881693]
  本稿では,自然言語質問によるニュース記事探索のための知識駆動対話システムを提案する。 54名の被験者を対象に,グラフに基づく探索探索の有効性を実証的に評価した。
  論文  参考訳（メタデータ） (2023-10-08T12:52:09Z)
• Investigating Conversational Search Behavior For Domain Exploration [0.5512295869673147]
  本研究では,未知の情報景観を通したナビゲーションのオープンな探索行動について検討する。 5つの領域にわたる一般的な情報探索パターンを明らかにするために,統計解析とプロセスマイニング手法を適用した。
  論文  参考訳（メタデータ） (2023-01-10T17:43:03Z)
• Vision+X: A Survey on Multimodal Learning in the Light of Data [64.03266872103835]
  様々なソースからのデータを組み込んだマルチモーダル機械学習が,ますます普及している研究分野となっている。 我々は、視覚、音声、テキスト、動きなど、各データフォーマットの共通点と特異点を分析する。 本稿では,表現学習と下流アプリケーションレベルの両方から,マルチモーダル学習に関する既存の文献を考察する。
  論文  参考訳（メタデータ） (2022-10-05T13:14:57Z)
• CrossBeam: Learning to Search in Bottom-Up Program Synthesis [51.37514793318815]
  ボトムアップ合成のためのハンズオン検索ポリシーを学習するためのニューラルネットワークのトレーニングを提案する。 私たちのアプローチは、CrossBeamと呼ばれ、ニューラルモデルを使用して、以前に探索されたプログラムを新しいプログラムに組み合わせる方法を選択します。 我々はCrossBeamが効率的に検索することを学び、最先端技術と比較してプログラム空間のより小さな部分を探索する。
  論文  参考訳（メタデータ） (2022-03-20T04:41:05Z)
• Emblaze: Illuminating Machine Learning Representations through Interactive Comparison of Embedding Spaces [9.849191565291855]
  Emblazeは、組み込み空間比較を計算ノート環境に統合するシステムである。 アニメーションでインタラクティブな散乱プロットと、新しいスタートレイル拡張を使って視覚的比較を可能にしている。 また、空間間の興味深い変化を伴う点群を動的に提案するために、新しい近傍解析とクラスタリング手順も採用している。
  論文  参考訳（メタデータ） (2022-02-05T21:01:49Z)
• Human Activity Recognition using Attribute-Based Neural Networks and Context Information [61.67246055629366]
  手作業におけるウェアラブルセンサデータから人間の活動認識(HAR)を考察する。 我々は、コンテキスト情報をディープニューラルネットワークベースのHARシステムに体系的に組み込む方法を示す。 提案したアーキテクチャは,最先端手法と比較してHAR性能が向上することを示す。
  論文  参考訳（メタデータ） (2021-10-28T06:08:25Z)

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。