論文の概要: ULTRA: A Data-driven Approach for Recommending Team Formation in
Response to Proposal Calls
- arxiv url: http://arxiv.org/abs/2201.05646v1
- Date: Thu, 13 Jan 2022 02:48:42 GMT
- ステータス: 処理完了
- システム内更新日: 2022-01-23 18:16:29.775600
- Title: ULTRA: A Data-driven Approach for Recommending Team Formation in
Response to Proposal Calls
- Title(参考訳): ULTRA: 提案要求に応じてチーム形成を推奨するデータ駆動型アプローチ
- Authors: Biplav Srivastava, Tarmo Koppel, Ronak Shah, Owen Bond, Sai Teja
Paladi, Rohit Sharma, Austin Hetherington
- Abstract要約: 我々は、資金提供機関からの提案に回答する研究者のチーム形成を支援する、AIベースの新しいアプローチとプロトタイプシステムを導入する。
これは、需要の機会が周期的に得られ、潜在的なメンバが時間とともに変化する場合、チームを構築するという一般的な問題の一例です。
- 参考スコア(独自算出の注目度): 5.75290474288665
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: We introduce an emerging AI-based approach and prototype system for assisting
team formation when researchers respond to calls for proposals from funding
agencies. This is an instance of the general problem of building teams when
demand opportunities come periodically and potential members may vary over
time. The novelties of our approach are that we: (a) extract technical skills
needed about researchers and calls from multiple data sources and normalize
them using Natural Language Processing (NLP) techniques, (b) build a prototype
solution based on matching and teaming based on constraints, (c) describe
initial feedback about system from researchers at a University to deploy, and
(d) create and publish a dataset that others can use.
- Abstract(参考訳): 我々は、資金提供機関からの提案に回答する研究者のチーム形成を支援するAIベースのアプローチとプロトタイプシステムを導入する。
これは、需要の機会が定期的に増え、潜在的なメンバーが時間とともに変わる場合、チームを構築するという一般的な問題の一例です。
私たちのアプローチの斬新さは、私たちです。
(a)研究者や複数のデータソースから必要な技術スキルを抽出し、自然言語処理(NLP)技術を用いて標準化する。
(b)制約に基づくマッチングとチーム化に基づくプロトタイプソリューションを構築すること。
(c) 展開する大学の研究者からのシステムに関する初期のフィードバックを記述し、
(d) 他の人が使用できるデータセットを作成して公開する。
関連論文リスト
- NLP-based Relation Extraction Methods in RE [4.856095570023289]
モバイルアプリリポジトリは、大規模で適応性の高いクラウドソース情報システムとして、主に科学研究で使用されている。
本稿では,ソフトウェアリソースとデータアーティファクトを組み合わせたMApp-KGを提案する。
私たちのコントリビューションは、モバイルアプリのドメイン固有のカタログをモデル化する知識グラフを自動構築するフレームワークを提供することを目的としています。
論文 参考訳(メタデータ) (2024-01-22T16:14:27Z) - Toward General-Purpose Robots via Foundation Models: A Survey and
Meta-Analysis [73.89558418030418]
既存のロボットシステムは、特定のタスクのために設計され、特定のデータセットに基づいて訓練され、特定の環境にデプロイされている。
ウェブスケールで大規模で大容量の事前学習型モデルの優れたオープンセット性能とコンテンツ生成能力に感銘を受けて,我々は,基礎モデルをロボット工学に適用する方法を探究した。
論文 参考訳(メタデータ) (2023-12-14T10:02:55Z) - Can AI Serve as a Substitute for Human Subjects in Software Engineering
Research? [24.39463126056733]
本稿では,人工知能(AI)の能力を活用したソフトウェア工学研究における定性データ収集手法を提案する。
定性的データの代替源としてAI生成合成テキストの可能性を探る。
観察研究とユーザ評価における人間の行動のエミュレートを目的とした新しい基礎モデルの開発について論じる。
論文 参考訳(メタデータ) (2023-11-18T14:05:52Z) - Embedding in Recommender Systems: A Survey [67.67966158305603]
重要な側面は、ユーザやアイテムIDといった高次元の離散的な特徴を低次元連続ベクトルに包含する技法である。
埋め込み技術の適用は複雑なエンティティ関係を捉え、かなりの研究を刺激している。
この調査では、協調フィルタリング、自己教師付き学習、グラフベースのテクニックなどの埋め込み手法を取り上げている。
論文 参考訳(メタデータ) (2023-10-28T06:31:06Z) - Generative Judge for Evaluating Alignment [84.09815387884753]
本稿では,これらの課題に対処するために,13Bパラメータを持つ生成判断器Auto-Jを提案する。
我々のモデルは,大規模な実環境シナリオ下でのユーザクエリとLLM生成応答に基づいて訓練されている。
実験的に、Auto-Jはオープンソースモデルとクローズドソースモデルの両方を含む、強力なライバルのシリーズを上回っている。
論文 参考訳(メタデータ) (2023-10-09T07:27:15Z) - Promoting Research Collaboration with Open Data Driven Team
Recommendation in Response to Call for Proposals [10.732914229005903]
さまざまなAI手法を用いてチームを推薦する新しいシステムについて述べる。
短期と長期の目標のバランスをとるメトリクスに沿って、良さを最大化するためにチームを作ります。
論文 参考訳(メタデータ) (2023-09-18T00:04:08Z) - AUGUST: an Automatic Generation Understudy for Synthesizing
Conversational Recommendation Datasets [56.052803235932686]
本稿では,大規模かつ高品質なレコメンデーションダイアログを生成する新しい自動データセット合成手法を提案する。
i)従来のレコメンデーションデータセットからの豊富なパーソナライズされたユーザプロファイル、(ii)知識グラフからの豊富な外部知識、(iii)人間対人間会話レコメンデーションデータセットに含まれる会話能力。
論文 参考訳(メタデータ) (2023-06-16T05:27:14Z) - Human-Centric Multimodal Machine Learning: Recent Advances and Testbed
on AI-based Recruitment [66.91538273487379]
人間中心のアプローチでAIアプリケーションを開発する必要性には、ある程度のコンセンサスがある。
i)ユーティリティと社会的善、(ii)プライバシとデータ所有、(iii)透明性と説明責任、(iv)AIによる意思決定プロセスの公正性。
異種情報ソースに基づく現在のマルチモーダルアルゴリズムは、データ中の機密要素や内部バイアスによってどのように影響を受けるかを検討する。
論文 参考訳(メタデータ) (2023-02-13T16:44:44Z) - PIE-QG: Paraphrased Information Extraction for Unsupervised Question
Generation from Small Corpora [4.721845865189576]
PIE-QGは、オープン情報抽出(OpenIE)を使用して、パラフレーズ付き通路から合成トレーニング質問を生成する。
主語,述語,対象>の3つを各節から抽出し,主語(または対象)と述語で質問し,対象(または対象)を回答とする。
論文 参考訳(メタデータ) (2023-01-03T12:20:51Z) - Reasoning with Language Model Prompting: A Survey [86.96133788869092]
推論は複雑な問題解決に不可欠な能力であり、様々な現実世界のアプリケーションに対するバックエンドサポートを提供することができる。
本稿では,言語モデルによる推論に関する最先端の研究を包括的に調査する。
論文 参考訳(メタデータ) (2022-12-19T16:32:42Z) - Mining Shape of Expertise: A Novel Approach Based on Convolutional
Neural Network [4.129225533930966]
知識のある人材を求職者に求めているリクルーターは、エキスパート発見システムの最も重要な顧客である。
この懸念に対処する効果的な解決策は、コスト効率のよいT字型のエキスパートを雇うことです。
我々は、畳み込みニューラルネットワークに基づくT字型エキスパートのための新しい深層モデルを提案した。
論文 参考訳(メタデータ) (2020-04-05T12:44:26Z)
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。