論文の概要: Masader Plus: A New Interface for Exploring +500 Arabic NLP Datasets

• arxiv url: http://arxiv.org/abs/2208.00932v1
• Date: Mon, 1 Aug 2022 15:31:56 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-02 13:36:14.779137
• Title: Masader Plus: A New Interface for Exploring +500 Arabic NLP Datasets
• Title（参考訳）: Masader Plus:500以上のアラビアのNLPデータセットを探索するインターフェース
• Authors: Yousef Altaher, Ali Fadel, Mazen Alotaibi, Mazen Alyazidi, Mishari Al-Mutairi, Mutlaq Aldhbuiub, Abdulrahman Mosaibah, Abdelrahman Rezk, Abdulrazzaq Alhendi, Mazen Abo Shal, Emad A. Alghamdi, Maged S. Alshaibani, Jezia Zakraoui, Wafaa Mohammed, Kamel Gaanoun, Khalid N. Elmadani, Mustafa Ghaleb, Nouamane Tazi, Raed Alharbi, Maraim Masoud and Zaid Alyafeai
• Abstract要約: Masader Plus は、ユーザーが Masader を閲覧するためのウェブインターフェースである。 データ探索、フィルタリング、バックエンドからデータセットを調べるためのシンプルなAPIをデモします。
• 参考スコア（独自算出の注目度）: 5.00866464989489
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Masader (Alyafeai et al., 2021) created a metadata structure to be used for cataloguing Arabic NLP datasets. However, developing an easy way to explore such a catalogue is a challenging task. In order to give the optimal experience for users and researchers exploring the catalogue, several design and user experience challenges must be resolved. Furthermore, user interactions with the website may provide an easy approach to improve the catalogue. In this paper, we introduce Masader Plus, a web interface for users to browse Masader. We demonstrate data exploration, filtration, and a simple API that allows users to examine datasets from the backend. Masader Plus can be explored using this link https://arbml.github.io/masader. A video recording explaining the interface can be found here https://www.youtube.com/watch?v=SEtdlSeqchk.
• Abstract（参考訳）: masader (alyafeai et al., 2021) はアラビア語のnlpデータセットのカタログ作成に使用されるメタデータ構造を作成した。 しかし、そのようなカタログを探索する簡単な方法の開発は難しい課題である。 このカタログを探索するユーザや研究者に最適な体験を与えるためには、いくつかの設計とユーザエクスペリエンスの課題を解決する必要がある。 さらに、Webサイトとのユーザインタラクションは、カタログを改善するための簡単なアプローチを提供するかもしれない。 本稿では,Masder Plusを紹介し,Masderを閲覧するためのWebインターフェースを提案する。 データ探索、フィルタリング、バックエンドからデータセットを調べるためのシンプルなAPIをデモします。 Masader Plus は https://arbml.github.io/masader というリンクで調べることができる。 インターフェースを説明するビデオ録画は、https://www.youtube.com/watch? v=SEtdlSeqchk。

関連論文リスト

• Interface Laplace Learning: Learnable Interface Term Helps Semi-Supervised Learning [14.01268607317875]
  グラフに基づく半教師付き学習のための新しいフレームワークであるInterface Laplace Learningを導入する。 関数値が非滑らかなクラス間でのインタフェースの存在を観察することによって,インタフェース項を組み込んだLaplace学習モデルを導入する。 このモデルは、すべての未ラベルの点で関数が滑らかであるという長年の仮定に挑戦する。
  論文  参考訳（メタデータ） (2024-08-10T03:10:30Z)
• AMEX: Android Multi-annotation Expo Dataset for Mobile GUI Agents [50.39555842254652]
  我々は,モバイルシナリオにおけるAIエージェントの研究を進めるために,Android Multi-Annotation EXpo (AMEX)を紹介した。 AMEXは110のモバイルアプリケーションから104K以上の高解像度のスクリーンショットで構成されており、複数のレベルでアノテートされている。 AMEXには、GUIインタラクティブな要素接地、GUIスクリーンと要素機能記述、複雑な自然言語命令の3段階のアノテーションが含まれている。
  論文  参考訳（メタデータ） (2024-07-03T17:59:58Z)
• Knowledge-Augmented Large Language Models for Personalized Contextual Query Suggestion [16.563311988191636]
  我々は,Web上での検索と閲覧活動に基づいて,各ユーザを対象としたエンティティ中心の知識ストアを構築した。 この知識ストアは、公的な知識グラフ上の興味と知識のユーザ固有の集約予測のみを生成するため、軽量である。
  論文  参考訳（メタデータ） (2023-11-10T01:18:47Z)
• Instruct and Extract: Instruction Tuning for On-Demand Information Extraction [86.29491354355356]
  On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。 InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。 InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
  論文  参考訳（メタデータ） (2023-10-24T17:54:25Z)
• Using Large Language Models to Generate, Validate, and Apply User Intent Taxonomies [22.62511001907081]
  ログデータは、ユーザがWeb検索サービスと対話する方法に関する貴重な情報を明らかにすることができる。 ログデータからユーザ意図を理解するためには、意味のあるカテゴリにラベル付けする方法が必要です。 本稿では,多言語モデル(LLM)を用いて,リッチで関連する概念を生成可能な新しいソリューションを提案する。
  論文  参考訳（メタデータ） (2023-09-14T20:46:48Z)
• Amazon-M2: A Multilingual Multi-locale Shopping Session Dataset for Recommendation and Text Generation [127.35910314813854]
  Amazon Multi-locale Shopping Sessionデータセット、すなわちAmazon-M2を提示します。 6つの異なるローカライズされた数百万のユーザセッションからなる、最初の多言語データセットである。 注目すべきは、データセットがパーソナライズとユーザの好みの理解を高めるのに役立つことだ。
  論文  参考訳（メタデータ） (2023-07-19T00:08:49Z)
• DataFinder: Scientific Dataset Recommendation from Natural Language Descriptions [100.52917027038369]
  我々は、短い自然言語記述を与えられたデータセットを推奨するタスクを運用する。 この作業を容易にするために、我々は、より大規模な自動構築トレーニングセットと、より少ない専門家によるアノテート評価セットからなるDataFinderデータセットを構築した。 このシステムは、DataFinderデータセットに基づいてトレーニングされ、既存のサードパーティのデータセット検索エンジンよりも関連性の高い検索結果を見つける。
  論文  参考訳（メタデータ） (2023-05-26T05:22:36Z)
• Dual Intent Enhanced Graph Neural Network for Session-based New Item Recommendation [74.81561396321712]
  セッションベースレコメンデーションのためのデュアルインテント拡張グラフニューラルネットワークを提案する。 我々は,注意機構と履歴データの分布からユーザ意図を学習する。 対応する項目のレコメンデーションスコアを含む新項目確率を出力することにより、より高いスコアを持つ新項目をユーザに推奨する。
  論文  参考訳（メタデータ） (2023-05-10T02:42:12Z)
• MEGAnno: Exploratory Labeling for NLP in Computational Notebooks [9.462926987075122]
  本稿では,NLP実践者と研究者を対象とした新しいアノテーションフレームワークMEGAnnoを紹介する。 MEGAnnoを使えば、ユーザーは高度な検索機能と対話型提案機能を通じてデータを探索できる。 我々は,MEGAnnoのフレキシブル,探索的,効率的,シームレスなラベル付け体験を感情分析のユースケースを通じて実証する。
  論文  参考訳（メタデータ） (2023-01-08T19:16:22Z)
• Learn to Explore: on Bootstrapping Interactive Data Exploration with Meta-learning [8.92180350317399]
  本稿ではメタ学習に基づく学習から発見までのフレームワークを提案し,メタタスクを自動生成した分類器の学習方法を学習する。 提案手法は,精度と効率の点で既存探索法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-07T03:12:41Z)
• COOKIE: A Dataset for Conversational Recommendation over Knowledge Graphs in E-commerce [64.95907840457471]
  我々は,COOKIEと呼ばれる電子商取引プラットフォームにおける知識グラフに対する対話的推薦のための新しいデータセットを提案する。 データセットはAmazonのレビューコーパスから構築され、ユーザエージェント対話とカスタムナレッジグラフを統合してレコメンデーションする。
  論文  参考訳（メタデータ） (2020-08-21T00:11:31Z)

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。