論文の概要: Beyond modeling: NLP Pipeline for efficient environmental policy analysis

• arxiv url: http://arxiv.org/abs/2201.07105v1
• Date: Sat, 8 Jan 2022 05:33:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-01-23 18:15:23.567055
• Title: Beyond modeling: NLP Pipeline for efficient environmental policy analysis
• Title（参考訳）: beyond modeling: 効率的な環境政策分析のためのnlpパイプライン
• Authors: Jordi Planas, Daniel Firebanks-Quevedo, Galina Naydenova, Ramansh Sharma, Cristina Taylor, Kathleen Buckingham, Rong Fang
• Abstract要約: 政策分析は、森林再生に関わるアクターやルールを理解するために必要である。 自然言語処理(NLP)技術に基づく知識管理フレームワークを提案する。 NLPパイプラインの設計、各コンポーネントの最先端手法の見直し、政策分析を指向したフレームワークを構築する際の課題について論じる。
• 参考スコア（独自算出の注目度）: 0.6597195879147557
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: As we enter the UN Decade on Ecosystem Restoration, creating effective incentive structures for forest and landscape restoration has never been more critical. Policy analysis is necessary for policymakers to understand the actors and rules involved in restoration in order to shift economic and financial incentives to the right places. Classical policy analysis is resource-intensive and complex, lacks comprehensive central information sources, and is prone to overlapping jurisdictions. We propose a Knowledge Management Framework based on Natural Language Processing (NLP) techniques that would tackle these challenges and automate repetitive tasks, reducing the policy analysis process from weeks to minutes. Our framework was designed in collaboration with policy analysis experts and made to be platform-, language- and policy-agnostic. In this paper, we describe the design of the NLP pipeline, review the state-of-the-art methods for each of its components, and discuss the challenges that rise when building a framework oriented towards policy analysis.
• Abstract（参考訳）: 国連生態系再生会議に入ると、森林と景観修復のための効果的なインセンティブ構造を作ることは、決して重要ではない。 政策分析は、経済や金融のインセンティブを適切な場所に移すためには、政策立案者が回復にかかわる役割や規則を理解する必要がある。 古典的な政策分析は資源集約的で複雑であり、包括的な中央情報源が欠けている。 我々は,これらの課題に対処し,繰り返しタスクを自動化する自然言語処理(NLP)技術に基づく知識管理フレームワークを提案し,政策分析プロセスを数週間から数分に短縮する。 我々のフレームワークは政策分析の専門家と共同で設計され、プラットフォーム、言語、ポリシーに依存しないものにしました。 本稿では,NLPパイプラインの設計について述べるとともに,各コンポーネントの最先端手法を概説し,政策分析を指向したフレームワークを構築する際の課題について議論する。

関連論文リスト

• EPO: Explicit Policy Optimization for Strategic Reasoning in LLMs via Reinforcement Learning [69.55982246413046]
  戦略的推論のための明示的なポリシー最適化(EPO)を提案する。 EPOはオープンなアクション空間で戦略を提供し、任意のLLMエージェントにプラグインすることで、ゴール指向の振る舞いを動機付けることができる。 社会的および物理的領域にわたる実験は、EPOの長期的なゴールアライメント能力を示す。
  論文  参考訳（メタデータ） (2025-02-18T03:15:55Z)
• Unveiling Global Discourse Structures: Theoretical Analysis and NLP Applications in Argument Mining [0.0]
  コヒーレンス(Coherence)は、人間のテキスト理解において重要な役割を担い、高品質なテキストの象徴である。 本稿では,これらのグローバルな談話構造をArgument(ation) Mining(Argument(ation) Mining)と呼ばれるプロペスで検出し,抽出し,表現する方法を提案する。
  論文  参考訳（メタデータ） (2025-02-12T13:03:43Z)
• Few-shot Policy (de)composition in Conversational Question Answering [54.259440408606515]
  本稿では,大規模言語モデル(LLM)を用いて数ショット設定でポリシーコンプライアンスを検出するニューラルシンボリックフレームワークを提案する。 提案手法は,回答すべきサブクエストを抽出し,文脈情報から真理値を割り当て,与えられたポリシーから論理文の集合を明示的に生成することで,政策コンプライアンスに関する会話に対して健全な理由を示す。 本手法は,PCDおよび会話機械読解ベンチマークであるShARCに適用し,タスク固有の微調整を伴わずに競合性能を示す。
  論文  参考訳（メタデータ） (2025-01-20T08:40:15Z)
• Simulation-Free Hierarchical Latent Policy Planning for Proactive Dialogues [31.92843134331582]
  本稿では,新たな対話政策計画フレームワークLDPPを紹介する。 対話記録のマイニングポリシから学習ポリシ計画まで,プロセスを完全に自動化する。 実験により,LDPPは2つの前向きシナリオにおいて既存手法よりも優れた性能を示した。
  論文  参考訳（メタデータ） (2024-12-19T07:06:01Z)
• Political-LLM: Large Language Models in Political Science [159.95299889946637]
  大規模言語モデル(LLM)は、政治科学のタスクで広く採用されている。 政治LLMは、LLMを計算政治科学に統合する包括的な理解を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-12-09T08:47:50Z)
• Integrating problem structuring methods with formal design theory: collective water management policy design in Tunisia [0.0]
  本稿では,問題構造化手法(PSM)と政策知識,概念,提案手法(P-KCP)を組み合わせることで,政策設計に革新的なアプローチを提案する。 この研究は、認知地図とバリューツリーを利用して、新しい地下水管理の実践を創出することを目的としている。
  論文  参考訳（メタデータ） (2024-10-04T13:55:43Z)
• Privacy Policy Analysis through Prompt Engineering for LLMs [3.059256166047627]
  PAPEL (Privacy Policy Analysis through Prompt Engineering for LLMs) は、Large Language Models (LLMs) の力を利用してプライバシーポリシーの分析を自動化するフレームワークである。 これらのポリシーからの情報の抽出、アノテーション、要約を合理化し、追加のモデルトレーニングを必要とせず、アクセシビリティと理解性を高めることを目的としている。 PAPELの有効性を, (i) アノテーションと (ii) 矛盾解析の2つの応用で実証した。
  論文  参考訳（メタデータ） (2024-09-23T10:23:31Z)
• Leveraging Large Language Models for NLG Evaluation: Advances and Challenges [57.88520765782177]
  大規模言語モデル(LLM)は、コヒーレンス、クリエイティビティ、コンテキスト関連など、生成されたコンテンツ品質を評価するための新たな道を開いた。 既存のLCMに基づく評価指標を整理し、これらの手法を理解し比較するための構造化された枠組みを提供する。 本稿では, 偏見, 堅牢性, ドメイン固有性, 統一評価などの未解決課題を議論することによって, 研究者に洞察を提供し, より公平で高度なNLG評価手法を提唱することを目的とする。
  論文  参考訳（メタデータ） (2024-01-13T15:59:09Z)
• 'Team-in-the-loop': Ostrom's IAD framework 'rules in use' to map and measure contextual impacts of AI [0.0]
  この記事では、OstromのInstitutional Analysis and Development Framework(IAD)の'rules in use'が、AIのコンテキスト分析アプローチとしてどのように開発できるかを考察する。
  論文  参考訳（メタデータ） (2023-03-24T14:01:00Z)
• Building a Foundation for Data-Driven, Interpretable, and Robust Policy Design using the AI Economist [67.08543240320756]
  AIエコノミストフレームワークは,2段階強化学習とデータ駆動型シミュレーションを用いて,効果的な,柔軟な,解釈可能なポリシー設計を可能にする。 RLを用いて訓練されたログリニア政策は、過去の結果と比較して、公衆衛生と経済の両面から社会福祉を著しく改善することがわかった。
  論文  参考訳（メタデータ） (2021-08-06T01:30:41Z)
• Tree-Structured Policy based Progressive Reinforcement Learning for Temporally Language Grounding in Video [128.08590291947544]
  非トリミングビデオにおける一時的言語接地は、ビデオ理解における新たな課題である。 ヒトの粗大な意思決定パラダイムにインスパイアされた我々は、新しい木構造政策に基づくプログレッシブ強化学習フレームワークを定式化した。
  論文  参考訳（メタデータ） (2020-01-18T15:08:04Z)

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。