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
- 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) - TRIAD: Automated Traceability Recovery based on Biterm-enhanced
Deduction of Transitive Links among Artifacts [53.92293118080274]
トレーサビリティにより、ステークホルダは、ソフトウェアライフサイクル全体で導入されたソフトウェアアーティファクト間のトレースリンクを抽出し、理解することができます。
ほとんどの場合、Information Retrieval (IR) など、ソフトウェアアーティファクト間のテキストの類似性に依存している。
論文 参考訳(メタデータ) (2023-12-28T06:44:24Z) - Learning to Filter Context for Retrieval-Augmented Generation [75.18946584853316]
生成モデルは、部分的にまたは完全に無関係な経路が与えられた出力を生成するために要求される。
FILCOは、語彙と情報理論のアプローチに基づいて有用なコンテキストを特定する。
テスト時に検索したコンテキストをフィルタリングできるコンテキストフィルタリングモデルをトレーニングする。
論文 参考訳(メタデータ) (2023-11-14T18:41:54Z) - FIND: A Function Description Benchmark for Evaluating Interpretability
Methods [86.80718559904854]
本稿では,自動解釈可能性評価のためのベンチマークスイートであるFIND(Function Interpretation and Description)を紹介する。
FINDには、トレーニングされたニューラルネットワークのコンポーネントに似た機能と、私たちが生成しようとしている種類の記述が含まれています。
本研究では、事前訓練された言語モデルを用いて、自然言語とコードにおける関数の振る舞いの記述を生成する手法を評価する。
論文 参考訳(メタデータ) (2023-09-07T17:47:26Z) - A Cloud-based Machine Learning Pipeline for the Efficient Extraction of
Insights from Customer Reviews [0.0]
本稿では,パイプラインに統合された機械学習手法を用いて,顧客レビューから洞察を抽出するクラウドベースのシステムを提案する。
トピックモデリングには、自然言語処理用に設計されたトランスフォーマーベースニューラルネットワークを用いる。
本システムでは,このタスクの既存のトピックモデリングやキーワード抽出ソリューションよりも優れた結果が得られる。
論文 参考訳(メタデータ) (2023-06-13T14:07:52Z) - 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) - Let's Go to the Alien Zoo: Introducing an Experimental Framework to
Study Usability of Counterfactual Explanations for Machine Learning [6.883906273999368]
反事実的説明(CFEs)は、心理的に根拠づけられたアプローチとして、ポストホックな説明を生み出している。
私たちは、エンゲージメントがあり、Webベースでゲームに触発された実験的なフレームワークであるAlien Zooを紹介します。
概念実証として,本手法の有効性と実用性を示す。
論文 参考訳(メタデータ) (2022-05-06T17:57:05Z) - 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) - Emotion-Cause Pair Extraction in Customer Reviews [3.561118125328526]
我々は,オンラインレビューの分野において,ECPEにおける研究成果を提示することを目的としている。
手動でアノテートしたデータセットを用いて、ニューラルネットワークを用いて感情の原因ペアを抽出するアルゴリズムを探索する。
本稿では,従来の参考資料を用いたモデルと感情要因のペア抽出と,感情認識単語の埋め込み領域の研究を組み合わせることを提案する。
論文 参考訳(メタデータ) (2021-12-07T20:56:20Z) - 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。