論文の概要: Effidit: Your AI Writing Assistant

• arxiv url: http://arxiv.org/abs/2208.01815v1
• Date: Wed, 3 Aug 2022 02:24:45 GMT
• ステータス: 処理完了
• システム内更新日: 2022-08-04 13:25:59.567796
• Title: Effidit: Your AI Writing Assistant
• Title（参考訳）: Effidit: あなたのAI記述アシスタント
• Authors: Shuming Shi, Enbo Zhao, Duyu Tang, Yan Wang, Piji Li, Wei Bi, Haiyun Jiang, Guoping Huang, Leyang Cui, Xinting Huang, Cong Zhou, Yong Dai, Dongyang Ma
• Abstract要約: Effiditは、人工知能(AI)技術を使用して、ユーザーが高品質なテキストをより効率的に書けるようにするためのデジタルライティングアシスタントである。 Effiditでは、テキスト補完、エラーチェック、テキスト研磨、キーワード・トゥ・センテンス(K2S)、クラウド・インプット・メソッド(クラウドIME)の5つのカテゴリで機能を提供することで、筆記アシスタントの能力を大幅に拡大する。
• 参考スコア（独自算出の注目度）: 60.588370965898534
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this technical report, we introduce Effidit (Efficient and Intelligent Editing), a digital writing assistant that facilitates users to write higher-quality text more efficiently by using artificial intelligence (AI) technologies. Previous writing assistants typically provide the function of error checking (to detect and correct spelling and grammatical errors) and limited text-rewriting functionality. With the emergence of large-scale neural language models, some systems support automatically completing a sentence or a paragraph. In Effidit, we significantly expand the capacities of a writing assistant by providing functions in five categories: text completion, error checking, text polishing, keywords to sentences (K2S), and cloud input methods (cloud IME). In the text completion category, Effidit supports generation-based sentence completion, retrieval-based sentence completion, and phrase completion. In contrast, many other writing assistants so far only provide one or two of the three functions. For text polishing, we have three functions: (context-aware) phrase polishing, sentence paraphrasing, and sentence expansion, whereas many other writing assistants often support one or two functions in this category. The main contents of this report include major modules of Effidit, methods for implementing these modules, and evaluation results of some key methods.
• Abstract（参考訳）: 本稿では,人工知能(AI)技術を用いて,高品質なテキストをより効率的に書けるようにするためのデジタルライティングアシスタントであるEffidit (Efficient and Intelligent Editing)を紹介する。 従来の筆記アシスタントは、エラーチェック(綴りと文法上の誤りの検出と訂正)やテキスト書き換えの機能に制限がある。 大規模ニューラルネットワークモデルが出現すると、一部のシステムは文や段落を自動的に補完する。 Effiditでは,テキスト補完,エラーチェック,テキスト研磨,キーワード・トゥ・センテンス(K2S),クラウド・インプット・メソッド(クラウドIME)の5つのカテゴリで機能を提供することで,文章アシスタントの能力を大幅に拡張する。 テキスト補完カテゴリでは、Effiditは生成ベースの文補完、検索ベースの文補完、フレーズ補完をサポートする。 対照的に、他の多くの筆記アシスタントは、3つの関数のうち1つまたは2つしか提供していない。 テキストの研磨には3つの機能がある: (context-aware) phrase polishing, sentence paraphrasing, sentence expansion, その他多くの筆記アシスタントは、このカテゴリの1つまたは2つの機能をサポートしている。 本報告の主な内容は,effiditの主要モジュール,これらのモジュールの実装方法,いくつかの主要なメソッドの評価結果などである。

関連論文リスト

• OmniParser: A Unified Framework for Text Spotting, Key Information Extraction and Table Recognition [79.852642726105]
  多様なシナリオにまたがって視覚的なテキストを解析するための統一パラダイムを提案する。 具体的には,3つの視覚的なテキスト解析タスクを同時に処理できるOmniというユニバーサルモデルを提案する。 オムニでは、全てのタスクが統一エンコーダ・デコーダアーキテクチャ、統一目的点条件テキスト生成、統一入力表現を共有している。
  論文  参考訳（メタデータ） (2024-03-28T03:51:14Z)
• Speed Reading Tool Powered by Artificial Intelligence for Students with ADHD, Dyslexia, or Short Attention Span [0.0]
  本稿では, ディプレキシア, ADHD, 注意不足の学生がテキストベースの情報をより効率的に消化するのを支援するための新しいアプローチを提案する。 提案手法は,多層パーセプトロン (MLP) アルゴリズムを用いて複雑なテキスト処理と要約処理を行う。 本稿では,AIを用いた速度測定ツールの方法論,実装,結果について論じる。
  論文  参考訳（メタデータ） (2023-07-26T23:47:14Z)
• Are the Best Multilingual Document Embeddings simply Based on Sentence Embeddings? [18.968571816913208]
  本稿では,LASER,LaBSE,Sentence BERTを事前学習した多言語モデルに基づく文から文書レベルの表現を生成する手法を体系的に比較する。 文の埋め込みの巧妙な組み合わせは、通常、全文書を単一の単位としてエンコードするよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-04-28T12:11:21Z)
• Training Effective Neural Sentence Encoders from Automatically Mined Paraphrases [0.0]
  そこで本稿では,手動でラベル付けしたデータを用いずに,効果的な言語固有文エンコーダを訓練する手法を提案する。 本研究の目的は,文の一致したバイリンガルテキストコーパスからパラフレーズペアのデータセットを自動構築することである。 文エンコーダは1枚のグラフィックカードで1日以内で訓練でき、多種多様な文レベルのタスクで高い性能を達成できる。
  論文  参考訳（メタデータ） (2022-07-26T09:08:56Z)
• CoAuthor: Designing a Human-AI Collaborative Writing Dataset for Exploring Language Model Capabilities [92.79451009324268]
  我々は,GPT-3の創造的かつ議論的な記述を支援する能力を明らかにするために設計されたデータセットであるCoAuthorを提案する。 我々は、CoAuthorがGPT-3の言語、アイデア、コラボレーション機能に関する問題に対処できることを実証した。 インタラクション設計に関して,この作業がLMの約束や落とし穴に関して,より原則化された議論を促進する可能性について論じる。
  論文  参考訳（メタデータ） (2022-01-18T07:51:57Z)
• IGA : An Intent-Guided Authoring Assistant [37.98368621931934]
  我々は、言語モデリングの進歩を活用して、著者仕様に従ってテキストを生成し、言い換えるインタラクティブな書き込みアシスタントを構築する。 Intent-Guided Assistant (IGA)への入力は、特定の修辞的な指示に対応するタグが散在するテキスト形式で提供される。 我々は、データセットでラベル付けされた著者意図で言語モデルを微調整し、IGAがこれらのタグに生成したテキストを埋めて、ユーザが自分の好きなように編集できるようにする。
  論文  参考訳（メタデータ） (2021-04-14T17:32:21Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Dialogue Generation on Infrequent Sentence Functions via Structured Meta-Learning [94.38532755123323]
  文文は文の発声におけるコミュニケーション目的を示す重要な言語的特徴である。 文関数を会話に組み込むと、生成した応答の品質が改善される。 しかし, 異なる種類の細粒度文関数に対する発話数は極めて不均衡である。
  論文  参考訳（メタデータ） (2020-10-04T07:13:36Z)
• Enabling Language Models to Fill in the Blanks [81.59381915581892]
  文書中の任意の位置にあるテキストの欠落を予測するタスクである,テキストを埋め込むためのシンプルなアプローチを提案する。 我々は、人工的にマスキングされたテキストと隠蔽されたテキストの連結を含むシーケンスに基づいて、オフザシェルフ言語モデル(またはファインチューン)を訓練する。 言語モデリングにより,この手法により,3つの分野(短編,科学的な要約,歌詞)において,LMが文全体を効果的に埋め込むことができることを示す。
  論文  参考訳（メタデータ） (2020-05-11T18:00:03Z)

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。