論文の概要: PePe: Personalized Post-editing Model utilizing User-generated Post-edits

• arxiv url: http://arxiv.org/abs/2209.10139v2
• Date: Thu, 13 Apr 2023 08:38:25 GMT
• ステータス: 処理完了
• システム内更新日: 2023-04-14 17:35:44.314930
• Title: PePe: Personalized Post-editing Model utilizing User-generated Post-edits
• Title（参考訳）: PePe: ユーザ生成後編集モデル
• Authors: Jihyeon Lee, Taehee Kim, Yunwon Tae, Cheonbok Park, Jaegul Choo
• Abstract要約: この課題に対処するために、パーソナライズされた後編集フレームワークを導入します。 まず,ライブ機械翻訳システムからユーザの好みを記述した後編集データを収集する。 次に、APEフレームワーク上で、識別器モジュールとユーザ固有のパラメータを組み合わせたモデルを提案する。
• 参考スコア（独自算出の注目度）: 28.749742163017544
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Incorporating personal preference is crucial in advanced machine translation tasks. Despite the recent advancement of machine translation, it remains a demanding task to properly reflect personal style. In this paper, we introduce a personalized automatic post-editing framework to address this challenge, which effectively generates sentences considering distinct personal behaviors. To build this framework, we first collect post-editing data that connotes the user preference from a live machine translation system. Specifically, real-world users enter source sentences for translation and edit the machine-translated outputs according to the user's preferred style. We then propose a model that combines a discriminator module and user-specific parameters on the APE framework. Experimental results show that the proposed method outperforms other baseline models on four different metrics (i.e., BLEU, TER, YiSi-1, and human evaluation).
• Abstract（参考訳）: 高度な機械翻訳タスクには、個人の好みを取り入れることが不可欠である。 近年の機械翻訳の進歩にもかかわらず、個人的スタイルを適切に反映する必要がある。 本稿では、この課題に対処するパーソナライズされた自動後編集フレームワークを導入し、個別の個人行動を考慮した文を効果的に生成する。 このフレームワークを構築するために、まず、ライブ機械翻訳システムからユーザの好みを示す後編集データを収集する。 具体的には、実世界のユーザが翻訳のための原文を入力し、ユーザの好みのスタイルに従って機械翻訳出力を編集する。 次に, apeフレームワーク上で識別モジュールとユーザ固有のパラメータを組み合わせたモデルを提案する。 実験の結果,提案手法は4つの指標 (bleu, ter, yisi-1, human evaluation) において,他のベースラインモデルよりも優れていた。

関連論文リスト

• ComPO: Community Preferences for Language Model Personalization [122.54846260663922]
  ComPOは、言語モデルにおける好みの最適化をパーソナライズする手法である。 ComPRedはRedditからコミュニティレベルの好みを持った質問応答データセットです。
  論文  参考訳（メタデータ） (2024-10-21T14:02:40Z)
• Post-edits Are Preferences Too [11.351365352611658]
  機械翻訳では、ペアの好みは5点評価のような他の人間のフィードバックよりも信頼性が低い。 機械翻訳では,5点評価など,人間からのフィードバックよりもペアの選好の方が信頼性が低いことを示す。
  論文  参考訳（メタデータ） (2024-10-03T08:56:29Z)
• LLMs + Persona-Plug = Personalized LLMs [41.60364110693824]
  パーソナライゼーションは多くの言語タスクやアプリケーションにおいて重要な役割を担っている。 これにより、大きな言語モデル(LLM)を適用して、ユーザの好みに合わせてカスタマイズされたアウトプットを生成する、さまざまなパーソナライズされたアプローチが開発された。 そこで我々は,LLMモデルを提案する。軽量なプラグインユーザ埋め込みモジュールを用いて,過去の状況をすべてモデル化し,個人毎のユーザ固有の埋め込みを構築する。
  論文  参考訳（メタデータ） (2024-09-18T11:54:45Z)
• Improving Context-Aware Preference Modeling for Language Models [62.32080105403915]
  本稿では、まず、文脈を選択し、選択した文脈に対する嗜好を評価することによって、不特定性を解決する2段階の選好モデリング手法について考察する。 我々は、文脈条件付き嗜好データセットと実験に貢献し、文脈特化選好を評価する言語モデルの能力について検討する。
  論文  参考訳（メタデータ） (2024-07-20T16:05:17Z)
• Aligning LLM Agents by Learning Latent Preference from User Edits [23.235995078727658]
  本研究では,エージェントの出力に対するユーザ編集に基づいて,言語エージェントの対話的学習について検討する。 本稿では,履歴編集データに基づいてユーザの潜伏傾向を推定する学習フレームワーク PreLUDE を提案する。 本稿では,要約とメール作成という2つの対話型環境を導入し,GPT-4シミュレーションユーザを用いて評価を行う。
  論文  参考訳（メタデータ） (2024-04-23T17:57:47Z)
• Personalized Language Modeling from Personalized Human Feedback [49.344833339240566]
  人間のフィードバックからの強化学習(Reinforcement Learning from Human Feedback, RLHF)は、人間の好みに合わせて大きな言語モデルを微調整するために一般的に用いられる。 本研究では,パーソナライズされた言語モデルを構築する手法を開発することにより,この問題に対処することを目的とする。
  論文  参考訳（メタデータ） (2024-02-06T04:18:58Z)
• Personalized Abstractive Summarization by Tri-agent Generation Pipeline [69.38358552893762]
  出力パーソナライゼーションを強化するために,ジェネレータ,インストラクター,エディタからなる三エージェント生成パイプラインを提案する。 生成装置は、初期出力を生成し、インストラクターは、ユーザの好みに基づいて編集命令を自動的に生成し、編集者は、それらの好みに合わせて出力を洗練する。 我々は,大規模編集者モデルからのフィードバックを活かし,教師の指導力を高めるために,編集者による強化学習を用いて指導を行う。
  論文  参考訳（メタデータ） (2023-05-04T01:12:35Z)
• Text Editing by Command [82.50904226312451]
  ニューラルテキスト生成における一般的なパラダイムは、単一のステップでテキストを生成するワンショット生成である。 この制限をユーザが既存のテキストを編集するコマンドを発行することでシステムと対話するインタラクティブテキスト生成設定で解決する。 このデータセットに基づいてトレーニングされたトランスフォーマーベースモデルであるInteractive Editorは,ベースラインを上回り,自動評価と人的評価の両方において肯定的な結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-24T08:00:30Z)
• Exemplar-Controllable Paraphrasing and Translation using Bitext [57.92051459102902]
  私たちは、バイリンガルテキスト(bitext)からのみ学ぶことができるように、以前の作業からモデルを適用する。 提案した1つのモデルでは、両言語で制御されたパラフレーズ生成と、両言語で制御された機械翻訳の4つのタスクを実行することができる。
  論文  参考訳（メタデータ） (2020-10-12T17:02:50Z)

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。