論文の概要: TabGenie: A Toolkit for Table-to-Text Generation

• arxiv url: http://arxiv.org/abs/2302.14169v1
• Date: Mon, 27 Feb 2023 22:05:46 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-01 18:52:08.992811
• Title: TabGenie: A Toolkit for Table-to-Text Generation
• Title（参考訳）: TabGenie: テーブルからテキスト生成のためのツールキット
• Authors: Zden\v{e}k Kasner, Ekaterina Garanina, Ond\v{r}ej Pl\'atek, Ond\v{r}ej Du\v{s}ek
• Abstract要約: TabGenieは、研究者がさまざまなデータ-テキスト生成データセットを探索、前処理、分析できるツールキットである。 コマンドライン処理ツールと、統合されたデータセットの読み込みと処理のためのPythonバインディングを備えている。
• 参考スコア（独自算出の注目度）: 2.580765958706854
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Heterogenity of data-to-text generation datasets limits the research on data-to-text generation systems. We present TabGenie - a toolkit which enables researchers to explore, preprocess, and analyze a variety of data-to-text generation datasets through the unified framework of table-to-text generation. In TabGenie, all the inputs are represented as tables with associated metadata. The tables can be explored through the web interface, which also provides an interactive mode for debugging table-to-text generation, facilitates side-by-side comparison of generated system outputs, and allows easy exports for manual analysis. Furthermore, TabGenie is equipped with command line processing tools and Python bindings for unified dataset loading and processing. We release TabGenie as a PyPI package and provide its open-source code and a live demo at https://github.com/kasnerz/tabgenie.
• Abstract（参考訳）: データ-テキスト生成データセットの不均一性は、データ-テキスト生成システムの研究を制限する。 TabGenie - 研究者がテーブル・ツー・テキスト生成の統一フレームワークを通じて、さまざまなデータ・ツー・テキスト生成データセットを探索、前処理、分析できるツールキットを提供する。 tabgenieでは、すべての入力は関連するメタデータのテーブルとして表現される。 このテーブルは、テーブルからテキストへの生成をデバッグするためのインタラクティブモードを提供し、生成されたシステム出力を並べて比較しやすく、手作業による分析の容易なエクスポートを可能にする。 さらにtabgenieは、コマンドライン処理ツールと、統一データセットの読み込みと処理のためのpythonバインディングを備えている。 私たちはTabGenieをPyPIパッケージとしてリリースし、オープンソースコードとhttps://github.com/kasnerz/tabgenie.comでライブデモを行います。

関連論文リスト

• PixT3: Pixel-based Table-To-Text Generation [66.96636025277536]
  本稿では,線形化と入力サイズ制限の課題を克服するマルチモーダルテーブル・トゥ・テキスト・モデルPixT3を提案する。 ToTToとLogic2Textベンチマークの実験では、PixT3はテキストのみで動作するジェネレータよりも競争力があり、優れていることが示されている。
  論文  参考訳（メタデータ） (2023-11-16T11:32:47Z)
• QTSumm: Query-Focused Summarization over Tabular Data [58.62152746690958]
  人々は主に、データ分析を行うか、特定の質問に答えるためにテーブルをコンサルティングします。 そこで本研究では,テキスト生成モデルに人間的な推論を行なわなければならない,クエリ中心のテーブル要約タスクを新たに定義する。 このタスクには,2,934テーブル上の7,111の人間注釈付きクエリ-サマリーペアを含む,QTSummという新しいベンチマークを導入する。
  論文  参考訳（メタデータ） (2023-05-23T17:43:51Z)
• Generate, Transform, Answer: Question Specific Tool Synthesis for Tabular Data [6.3455238301221675]
  タブラル質問応答(TQA)は、ニューラルネットワークにとって困難な設定である。 TQAプロセステーブルは直接的に処理され、テーブルのサイズが大きくなると情報損失が発生する。 本稿では,クエリ固有のプログラムを生成して,テーブルの変換にいつ適用すればよいかを検出するツールWriterを提案する。
  論文  参考訳（メタデータ） (2023-03-17T17:26:56Z)
• KnowGL: Knowledge Generation and Linking from Text [13.407149206621828]
  我々は,テキストをABoxアサーションの集合として表される構造化された関係データに変換するツールであるKnowGLを提案する。 本稿では,BARTなどの事前学習されたシーケンス・ツー・シーケンス言語モデルを活用することで,シーケンス生成タスクとしてこの問題に対処する。 ツールの機能を示すために,入力テキストから抽出したセマンティックデータをナビゲートするUIウィジェットからなるWebアプリケーションを構築した。
  論文  参考訳（メタデータ） (2022-10-25T12:12:36Z)
• Rows from Many Sources: Enriching row completions from Wikidata with a pre-trained Language Model [9.084045516880444]
  標準ベンチマーク(WikiTables)で測定した課題提案とギャップフィリングの最先端結果を示す。 我々は、知識ベースを用いてテーブルを解釈し、新しい行を提案し、プロパティリンクを通じてヘッダのようなメタデータを生成する。 我々は、GPT-3を介して自由テキスト生成を用いて追加行を合成し、重要なことに、文生成のためのより良いプロンプトを生成するために解釈したメタデータを利用する。
  論文  参考訳（メタデータ） (2022-04-14T15:11:52Z)
• Partially-Aligned Data-to-Text Generation with Distant Supervision [69.15410325679635]
  我々はPADTG(Partially-Aligned Data-to-Text Generation)と呼ばれる新しい生成タスクを提案する。 自動的にアノテートされたデータをトレーニングに利用し、アプリケーションドメインを大幅に拡張するため、より実用的です。 我々のフレームワークは、全てのベースラインモデルより優れており、部分整合データの利用の可能性を検証する。
  論文  参考訳（メタデータ） (2020-10-03T03:18:52Z)
• GraPPa: Grammar-Augmented Pre-Training for Table Semantic Parsing [117.98107557103877]
  テーブルセマンティック解析のための効果的な事前学習手法GraPPaを提案する。 我々は、同期文脈自由文法を用いて、高自由度テーブル上に合成質問ペアを構築する。 実世界のデータを表現できるモデルの能力を維持するため、マスキング言語モデリングも含んでいる。
  論文  参考訳（メタデータ） (2020-09-29T08:17:58Z)
• Towards Faithful Neural Table-to-Text Generation with Content-Matching Constraints [63.84063384518667]
  そこで本研究では,トランスフォーマーをベースとした新たな生成フレームワークを提案する。 忠実度を強制する手法の中核となる技術は、テーブル-テキストの最適トランスポート・マッチング・ロスである。 忠実度を評価するため,テーブル・ツー・テキスト生成問題に特化した新しい自動尺度を提案する。
  論文  参考訳（メタデータ） (2020-05-03T02:54:26Z)
• ToTTo: A Controlled Table-To-Text Generation Dataset [61.83159452483026]
  ToTToはオープンドメインの英語のテーブル・トゥ・テキストのデータセットで、12万以上のトレーニングサンプルがある。 本稿では、ウィキペディアから既存の候補文を直接修正するデータセット構築プロセスを紹介する。 通常流動的であるが、既存の方法は多くの場合、表がサポートしていないフレーズを幻覚させる。
  論文  参考訳（メタデータ） (2020-04-29T17:53:45Z)

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。