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

• Data Analysis in the Era of Generative AI [56.44807642944589]
  本稿では,AIを活用したデータ分析ツールの可能性について考察する。 我々は、大規模言語とマルチモーダルモデルの出現が、データ分析ワークフローの様々な段階を強化する新しい機会を提供する方法について検討する。 次に、直感的なインタラクションを促進し、ユーザ信頼を構築し、AI支援分析ワークフローを複数のアプリにわたって合理化するための、人間中心の設計原則を調べます。
  論文  参考訳（メタデータ） (2024-09-27T06:31:03Z)
• A Review of Modern Recommender Systems Using Generative Models (Gen-RecSys) [57.30228361181045]
  この調査は、ジェネレーティブモデル(Gen-RecSys)を用いたレコメンデーションシステムにおける重要な進歩を結びつける。 対話駆動生成モデル、自然言語レコメンデーションのための大規模言語モデル(LLM)とテキストデータの使用、RSにおける画像やビデオの生成と処理のためのマルチモーダルモデルの統合。 我々の研究は、Gen-RecSysの影響と害を評価するために必要なパラダイムを強調し、オープンな課題を特定します。
  論文  参考訳（メタデータ） (2024-03-31T06:57:57Z)
• Towards a RAG-based Summarization Agent for the Electron-Ion Collider [0.5504260452953508]
  A Retrieval Augmented Generation (RAG)ベースのEIC用要約AI(RAGS4EIC)が開発中である。 このAIエージェントは情報を凝縮するだけでなく、関連する応答を効果的に参照する。 まず、関連するすべての実験情報を含む包括的ベクトルデータベースを問合せし、次に、Large Language Model(LLM)を用いて、ユーザクエリと検索データに基づく引用に富んだ簡潔な要約を生成する。
  論文  参考訳（メタデータ） (2024-03-23T05:32:46Z)
• 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)
• 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。