論文の概要: Affordance Extraction with an External Knowledge Database for Text-Based Simulated Environments

• arxiv url: http://arxiv.org/abs/2207.00265v1
• Date: Fri, 1 Jul 2022 08:39:18 GMT
• ステータス: 処理完了
• システム内更新日: 2022-07-04 23:27:10.902627
• Title: Affordance Extraction with an External Knowledge Database for Text-Based Simulated Environments
• Title（参考訳）: テキストベースシミュレーション環境のための外部知識データベースによる余裕抽出
• Authors: P. Gelhausen, M. Fischer, G. Peters
• Abstract要約: 余剰抽出のプロセスは、テキストベースのシミュレートされた環境内でのインタラクションの可能なアクションを生成するために使用することができる。 インタラクティブ・フィクションプラットフォームであるTextWorldとJerrichoで,自動手当抽出アルゴリズムを導入,評価した。 プロセスのさらなる修正と改善を推奨する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Text-based simulated environments have proven to be a valid testbed for machine learning approaches. The process of affordance extraction can be used to generate possible actions for interaction within such an environment. In this paper the capabilities and challenges for utilizing external knowledge databases (in particular ConceptNet) in the process of affordance extraction are studied. An algorithm for automated affordance extraction is introduced and evaluated on the Interactive Fiction (IF) platforms TextWorld and Jericho. For this purpose, the collected affordances are translated into text commands for IF agents. To probe the quality of the automated evaluation process, an additional human baseline study is conducted. The paper illustrates that, despite some challenges, external databases can in principle be used for affordance extraction. The paper concludes with recommendations for further modification and improvement of the process.
• Abstract（参考訳）: テキストベースのシミュレーション環境は、機械学習アプローチの有効なテストベッドであることが証明されている。 このような環境内で相互作用するための可能なアクションを生成するために、アフォーアンス抽出のプロセスが使用できる。 本稿では,外的知識データベース(特にconceptnet)を用いたアフォーマンス抽出における能力と課題について検討する。 インタラクティブフィクション (if) プラットフォームであるtextworld と jericho 上で,自動アプライアンス抽出アルゴリズムを導入し,評価した。 このため、収集した金額はIFエージェントのテキストコマンドに変換される。 自動評価プロセスの品質を調査するために、追加のヒトベースライン研究を行う。 論文は、いくつかの課題にもかかわらず、外部データベースは原則としてアフォーマンス抽出に使用できることを説明している。 論文はプロセスをさらに修正し改善するための推奨事項で締めくくっている。

関連論文リスト

• Learning Task Representations from In-Context Learning [73.72066284711462]
  大規模言語モデル(LLM)は、文脈内学習において顕著な習熟性を示している。 ICLプロンプトにおけるタスク情報をアテンションヘッドの関数として符号化するための自動定式化を導入する。 提案手法の有効性は,最後の隠れ状態の分布と最適に実行されたテキスト内学習モデルとの整合性に起因していることを示す。
  論文  参考訳（メタデータ） (2025-02-08T00:16:44Z)
• Conversational Text Extraction with Large Language Models Using Retrieval-Augmented Systems [0.20971479389679337]
  本研究では,Large Language Models (LLMs) を利用した対話インタフェースを用いてPDF文書からテキストを抽出するシステムを提案する。 このシステムは、PDF内の関連するパスをハイライトしながら、ユーザからの問い合わせに対して情報的応答を提供する。 提案システムは,既存のテキスト抽出・要約技術と比較して,競争力のあるROUGE値を提供する。
  論文  参考訳（メタデータ） (2025-01-16T19:12:25Z)
• Likelihood as a Performance Gauge for Retrieval-Augmented Generation [78.28197013467157]
  言語モデルの性能の効果的な指標としての可能性を示す。 提案手法は,より優れた性能をもたらすプロンプトの選択と構築のための尺度として,疑似可能性を利用する2つの手法を提案する。
  論文  参考訳（メタデータ） (2024-11-12T13:14:09Z)
• NLP4PBM: A Systematic Review on Process Extraction using Natural Language Processing with Rule-based, Machine and Deep Learning Methods [0.0]
  本稿では,自然言語処理(NLP)を用いたテキスト記述の構造化プロセスへの変換という,自動プロセス抽出の分野を概観する。 機械学習 (ML) / ディープラーニング (DL) メソッドが NLP コンポーネントにますます利用されていることが分かりました。 いくつかのケースでは、プロセス抽出に対する適合性から選択され、その結果、古典的なルールベースの手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2024-09-10T15:16:02Z)
• CELA: Cost-Efficient Language Model Alignment for CTR Prediction [70.65910069412944]
  CTR(Click-Through Rate)予測は、レコメンダシステムにおいて最重要位置を占める。 最近の取り組みは、プレトレーニング言語モデル(PLM)を統合することでこれらの課題を緩和しようとしている。 CTR予測のためのtextbfCost-textbfEfficient textbfLanguage Model textbfAlignment (textbfCELA)を提案する。
  論文  参考訳（メタデータ） (2024-05-17T07:43:25Z)
• Bayesian Preference Elicitation with Language Models [82.58230273253939]
  本稿では,BOEDを用いて情報的質問の選択を案内するフレームワークOPENと,特徴抽出のためのLMを紹介する。 ユーザスタディでは,OPEN が既存の LM- や BOED をベースとした選好手法よりも優れていることが判明した。
  論文  参考訳（メタデータ） (2024-03-08T18:57:52Z)
• Using Textual Interface to Align External Knowledge for End-to-End Task-Oriented Dialogue Systems [53.38517204698343]
  本稿では,外部知識の整合化と冗長なプロセスの排除にテキストインタフェースを用いた新しいパラダイムを提案する。 我々は、MultiWOZ-Remakeを用いて、MultiWOZデータベース用に構築されたインタラクティブテキストインタフェースを含む、我々のパラダイムを実演する。
  論文  参考訳（メタデータ） (2023-05-23T05:48:21Z)
• Natural Language in Requirements Engineering for Structure Inference -- An Integrative Review [0.0]
  本稿では,要求工学のための自然言語処理ツールに関する総合的なレビューを提供する。 その結果、現在、情報構造の直接的/一次的抽出を可能にするオープンソースアプローチは存在しない。 アルゴリズム、知識ベース、テキストコーパスを個別に管理できるアプローチが追求される可能性がある。
  論文  参考訳（メタデータ） (2022-02-10T14:46:09Z)
• Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
  本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。 常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。 我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
  論文  参考訳（メタデータ） (2020-09-28T10:28:40Z)
• Data Mining in Clinical Trial Text: Transformers for Classification and Question Answering Tasks [2.127049691404299]
  本研究は,医学的テキストに基づくエビデンス合成に自然言語処理の進歩を適用した。 主な焦点は、Population、Intervention、Comparator、Outcome(PICO)フレームワークを通じて特徴づけられる情報である。 トランスフォーマーに基づく最近のニューラルネットワークアーキテクチャは、トランスファーラーニングの能力を示し、下流の自然言語処理タスクのパフォーマンスが向上している。
  論文  参考訳（メタデータ） (2020-01-30T11:45:59Z)

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。