Fugu-MT 論文翻訳(概要): Natural Language Sentence Generation from API Specifications

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

CallNavi: A Study and Challenge on Function Calling Routing and Invocation in Large Language Models [7.443502461016052]
API関数の選択、パラメータ生成、ネストAPI呼び出しのモデルを評価するために設計された新しいデータセットを提案する。また,API選択のための汎用大規模言語モデルとパラメータ生成のための微調整モデルと,いくつかの迅速なエンジニアリングアプローチを組み合わせた拡張型APIルーティング手法を提案する。
論文参考訳（メタデータ） (2025-01-09T14:12:43Z)
Seq2Seq Model-Based Chatbot with LSTM and Attention Mechanism for Enhanced User Interaction [1.937324318931008]
本研究では、注意機構とLong Short-Term Memory(LSTM)セルを組み込んだエンコーダデコーダアーキテクチャを備えたSeq2Seqモデルを提案する。提案されているSeq2Seqモデルベースのロボットは、モロッコのドラア・タフィラレ(Draa-Tafilalet)にある観光セクター向けのデータセットで訓練され、検証され、テストされている。
論文参考訳（メタデータ） (2024-12-27T23:50:54Z)
LLaRA: Supercharging Robot Learning Data for Vision-Language Policy [56.505551117094534]
我々はLLaRA: Large Language and Robotics Assistantを紹介した。まず、既存の行動クローニングデータセットからロボットのための会話スタイルの指導データを生成する自動パイプラインを提案する。このようなデータセットを限定的に微調整したVLMは、ロボット制御において有意義な行動決定を導出できることを示す。
論文参考訳（メタデータ） (2024-06-28T17:59:12Z)
Automatically generating decision-support chatbots based on DMN models [0.0]
そこで本研究では,DNM決定モデルに基づく,完全機能的で使いやすい意思決定支援チャットボットの自動生成手法を提案する。チャットボットの開発時間を短縮し、ドメイン固有のチャットボットの開発を可能にすることを目的として、Demabotツールで必要なフェーズをすべて実装した。
論文参考訳（メタデータ） (2024-05-15T18:13:09Z)
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)
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)

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。