論文の概要: Natural Language Sentence Generation from API Specifications
- arxiv url: http://arxiv.org/abs/2206.06868v1
- Date: Wed, 1 Jun 2022 15:50:14 GMT
- ステータス: 処理完了
- システム内更新日: 2022-06-20 00:51:15.945057
- Title: Natural Language Sentence Generation from API Specifications
- Title(参考訳): api仕様からの自然言語文生成
- Authors: Siyu Huo, Kushal Mukherjee, Jayachandu Bandlamudi, Vatche Isahagian,
Vinod Muthusamy and Yara Rizk
- Abstract要約: 本稿では,意図認識モデルを訓練するための文を生成するシステムを提案する。
ヒューマン・イン・ザ・ループのインタラクションはシステムにさらなる改善をもたらすだろう。
- 参考スコア(独自算出の注目度): 5.192671914929481
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: APIs are everywhere; they provide access to automation solutions that could
help businesses automate some of their tasks. Unfortunately, they may not be
accessible to the business users who need them but are not equipped with the
necessary technical skills to leverage them. Wrapping these APIs with chatbot
capabilities is one solution to make these automation solutions interactive. In
this work, we propose a system to generate sentences to train intent
recognition models, a crucial component within chatbots to understand natural
language utterances from users. Evaluation of our approach based on deep
learning models showed promising and inspiring results, and the
human-in-the-loop interaction will provide further improvement on the system.
- Abstract(参考訳): APIは至るところにあり、企業のタスクの自動化を支援する自動化ソリューションへのアクセスを提供する。
残念ながら、それらを必要とするビジネスユーザーにはアクセスできないかもしれないが、それらを活用するために必要な技術的スキルが備わっていない。
これらのAPIをチャットボット機能でラップすることは、これらの自動化ソリューションをインタラクティブにするためのソリューションのひとつだ。
本研究では,ユーザからの自然言語の発話を理解するために,チャットボット内で重要なコンポーネントである意図認識モデルを訓練するための文を生成するシステムを提案する。
深層学習モデルに基づくアプローチの評価は有望で刺激的な結果を示し,ヒューマン・イン・ザ・ループインタラクションはシステムをさらに改善する。
関連論文リスト
- Creation Of A ChatBot Based On Natural Language Proccesing For Whatsapp [0.0]
本研究の目的は、自然言語処理に基づくチャットボットを開発し、顧客満足度を高め、WhatsAppを通じて企業が提供するサービス品質を向上させることである。
本研究の結果は、カスタマーサービスのための効果的なチャットボットの設計と開発のための確固たる基盤を提供する。
論文 参考訳(メタデータ) (2023-10-10T18:54:15Z) - AI Based Chatbot: An Approach of Utilizing On Customer Service
Assistance [0.0]
このプロジェクトの目的は、複雑な質問や論理的なアウトプットの回答に対応するシステムを開発することである。
最終的な目標は、ユーザ入力(クエスト)に基づいた高品質な結果(回答)を提供することである。
論文 参考訳(メタデータ) (2022-06-18T00:59:10Z) - Do As I Can, Not As I Say: Grounding Language in Robotic Affordances [119.29555551279155]
大規模な言語モデルは、世界に関する豊富な意味知識を符号化することができる。
このような知識は、自然言語で表現された高レベルで時間的に拡張された命令を動作させようとするロボットにとって極めて有用である。
低レベルのスキルを大規模言語モデルと組み合わせることで,言語モデルが複雑かつ時間的に拡張された命令を実行する手順について高いレベルの知識を提供することを示す。
論文 参考訳(メタデータ) (2022-04-04T17:57:11Z) - Training Conversational Agents with Generative Conversational Networks [74.9941330874663]
我々は、生成会話ネットワークを使用して、自動的にデータを生成し、社会的会話エージェントを訓練する。
自動メトリクスと人的評価器を用いてTopicalChatのアプローチを評価し、10%のシードデータで100%のデータを使用するベースラインに近いパフォーマンスを示す。
論文 参考訳(メタデータ) (2021-10-15T21:46:39Z) - Few-Shot Bot: Prompt-Based Learning for Dialogue Systems [58.27337673451943]
ごく少数の例を使って会話を学ぶことは、会話型AIにおける大きな課題である。
現在の最良の会話モデルは、良いチャットシャッター(例:BlenderBot)またはゴール指向システム(例:MinTL)である。
グラデーションベースの微調整を必要とせず、学習の唯一の源としていくつかの例を用いるプロンプトベースの数ショット学習を提案する。
論文 参考訳(メタデータ) (2021-10-15T14:36:45Z) - Learning Language-Conditioned Robot Behavior from Offline Data and
Crowd-Sourced Annotation [80.29069988090912]
本研究では,ロボットインタラクションの大規模なオフラインデータセットから視覚に基づく操作タスクを学習する問題について検討する。
クラウドソースの自然言語ラベルを用いたオフラインロボットデータセットの活用を提案する。
提案手法は目標画像仕様と言語条件付き模倣技術の両方を25%以上上回っていることがわかった。
論文 参考訳(メタデータ) (2021-09-02T17:42:13Z) - A Taxonomy of Empathetic Response Intents in Human Social Conversations [1.52292571922932]
自然言語処理コミュニティでは、オープンドメインの会話エージェントがますます人気を高めている。
課題のひとつは、共感的な方法で会話できるようにすることです。
現在のニューラルレスポンス生成手法は、大規模な会話データからエンドツーエンドの学習のみに頼って対話を生成する。
近年,対話act/intentモデリングとニューラルレスポンス生成を組み合わせることが期待されている。
論文 参考訳(メタデータ) (2020-12-07T21:56:45Z) - Self-supervised reinforcement learning for speaker localisation with the
iCub humanoid robot [58.2026611111328]
人の顔を見ることは、ノイズの多い環境での音声のフィルタリングに人間が依存するメカニズムの1つである。
スピーカーに目を向けるロボットを持つことは、挑戦的な環境でのASRのパフォーマンスに恩恵をもたらす可能性がある。
本稿では,人間の初期発達に触発された自己指導型強化学習フレームワークを提案する。
論文 参考訳(メタデータ) (2020-11-12T18:02:15Z) - Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。
ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
論文 参考訳(メタデータ) (2020-10-11T08:27:07Z) - Chatbot: A Conversational Agent employed with Named Entity Recognition
Model using Artificial Neural Network [0.0]
自然言語理解(NLU)はディープラーニングによって著しく改善されている。
本研究では、データセットのNLUサービスに統合可能な名前付きエンティティ認識(NER)モデルに焦点を当てる。
提案アーキテクチャのNERモデルは、手動で作成したエンティティに基づいてトレーニングされた人工ニューラルネットワークに基づいている。
論文 参考訳(メタデータ) (2020-06-19T14:47:21Z) - Towards Automatic building of Human-Machine Conversational System to
support Maintenance Processes [5.333582981327498]
本研究の目的は,産業環境下での対話が可能な人間と機械の対話システム構築のための方法論を設計することである。
維持マニュアルで見つかると思われるエンティティを含む初期分類法は、BOBST SAによって提供されるマニュアルの関連文を特定するために使用される。
最終結果は、実体とその関係を表す分類ネットワークである。
論文 参考訳(メタデータ) (2020-05-13T18:39:00Z)
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。