論文の概要: A User-Centered, Interactive, Human-in-the-Loop Topic Modelling System
- arxiv url: http://arxiv.org/abs/2304.01774v1
- Date: Tue, 4 Apr 2023 13:05:10 GMT
- ステータス: 処理完了
- システム内更新日: 2023-04-05 13:48:41.896443
- Title: A User-Centered, Interactive, Human-in-the-Loop Topic Modelling System
- Title（参考訳）: ユーザ中心の対話型トピックモデリングシステム
- Authors: Zheng Fang, Lama Alqazlan, Du Liu, Yulan He, and Rob Procter
- Abstract要約: ヒューマン・イン・ザ・ループ(Human-in-the-loop)トピック・モデリングは、ユーザの知識をモデリングプロセスに取り入れ、モデルを反復的に洗練することを可能にする。
最近の研究では、ユーザフィードバックの価値が実証されているが、検討すべき問題がまだ残っている。
そこで我々は,ユーザフレンドリなインタフェースを備えた対話型話題モデリングシステムを開発した。
- 参考スコア（独自算出の注目度）: 32.065158970382036
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Human-in-the-loop topic modelling incorporates users' knowledge into the
modelling process, enabling them to refine the model iteratively. Recent
research has demonstrated the value of user feedback, but there are still
issues to consider, such as the difficulty in tracking changes, comparing
different models and the lack of evaluation based on real-world examples of
use. We developed a novel, interactive human-in-the-loop topic modeling system
with a user-friendly interface that enables users compare and record every step
they take, and a novel topic words suggestion feature to help users provide
feedback that is faithful to the ground truth. Our system also supports not
only what traditional topic models can do, i.e., learning the topics from the
whole corpus, but also targeted topic modelling, i.e., learning topics for
specific aspects of the corpus. In this article, we provide an overview of the
system and present the results of a series of user studies designed to assess
the value of the system in progressively more realistic applications of topic
modelling.
- Abstract（参考訳）: ヒューマン・イン・ザ・ループのトピック・モデリングは、ユーザの知識をモデリングプロセスに取り入れ、反復的にモデルを洗練することができる。
近年の研究では、ユーザフィードバックの価値が実証されているが、変更追跡の難しさ、異なるモデルの比較、実際の使用例に基づく評価の欠如など、考慮すべき課題が残っている。
そこで我々は,ユーザフレンドリーなインタフェースを備えた対話型対話型話題モデリングシステムを開発し,各ステップの比較と記録を可能にするとともに,利用者が真実に忠実なフィードバックを提供するための新しい話題語提案機能を開発した。
提案システムは,従来のトピックモデルができること,すなわちコーパス全体からトピックを学習するだけでなく,コーパスの特定の側面に関するトピックを学習するターゲットトピックモデリングもサポートする。
本稿では,本システムの概要と,トピックモデリングのより現実的な応用において,システムの価値を評価するために設計された一連のユーザスタディの結果について述べる。
関連論文リスト
- Aligning Vision Models with Human Aesthetics in Retrieval: Benchmarks and Algorithms [91.19304518033144]
検索システムにおける視覚モデルと人間の審美基準の整合を図る。
本研究では、視覚モデルと人間の美学をよりよく整合させるために、視覚モデルを微調整する嗜好に基づく強化学習手法を提案する。
論文 参考訳（メタデータ） (2024-06-13T17:59:20Z) - Towards Personalized Evaluation of Large Language Models with An
Anonymous Crowd-Sourcing Platform [64.76104135495576]
大規模言語モデルのための匿名クラウドソーシング評価プラットフォームであるBingJianを提案する。
このプラットフォームを通じて、ユーザーは質問を提出し、パーソナライズされ、潜在的に幅広い機能でモデルをテストできる。
論文 参考訳（メタデータ） (2024-03-13T07:31:20Z) - Improving the TENOR of Labeling: Re-evaluating Topic Models for Content
Analysis [5.757610495733924]
対話型タスクベース設定において,ニューラル,教師付き,古典的なトピックモデルの最初の評価を行う。
現在の自動メトリクスは、トピックモデリング機能の完全な図を提供していないことを示す。
論文 参考訳（メタデータ） (2024-01-29T17:54:04Z) - Labeled Interactive Topic Models [10.555664965166232]
本稿では,ニューラルトピックモデルに対するユーザフレンドリなインタラクションを提案する。
このインタラクションにより、ユーザはトピックにワードラベルを割り当てることが可能になる。
提案手法は人間による研究によって評価され,ユーザが関連する文書を検索するためにトピックを緩和することができる。
論文 参考訳（メタデータ） (2023-11-15T23:18:01Z) - Understanding User Intent Modeling for Conversational Recommender
Systems: A Systematic Literature Review [1.3630870408844922]
我々は,会話レコメンデーションシステムの設計によく使用されるモデルについて,系統的な文献レビューを行った。
我々は,研究者がシステムに最も適したモデルを選択するのを支援するための意思決定モデルを開発した。
本研究は,より効果的でパーソナライズされた対話型レコメンデーションシステムの開発を支援する,ユーザ意図モデリングの実践的洞察と包括的理解に寄与する。
論文 参考訳（メタデータ） (2023-08-05T22:50:21Z) - Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。
モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。
このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文 参考訳（メタデータ） (2023-07-25T17:59:18Z) - Are Neural Topic Models Broken? [81.15470302729638]
トピックモデルの自動評価と人的評価の関係について検討する。
ニューラルトピックモデルは、確立された古典的手法と比較して、両方の点においてより悪くなる。
論文 参考訳（メタデータ） (2022-10-28T14:38:50Z) - Modeling User Behaviour in Research Paper Recommendation System [8.980876474818153]
ディープシーケンシャルなトピック分析に基づくユーザ意図モデルを提案する。
モデルは、興味のあるトピックの観点から、ユーザの意図を予測する。
提案手法では,研究論文推薦システムの設計に適したユーザアクティビティをモデル化する新たなロードマップを提案する。
論文 参考訳（メタデータ） (2021-07-16T11:31:03Z) - Is Automated Topic Model Evaluation Broken?: The Incoherence of
Coherence [62.826466543958624]
トピックモデル評価における標準化のギャップと検証のギャップについて考察する。
これらの指標によると、最近のニューラルネットワークコンポーネントに依存したモデルは、古典的なトピックモデルを超えている。
我々は,話題評価と単語侵入という,最も広く受け入れられている2つの人間の判断タスクとともに,自動的コヒーレンスを用いる。
論文 参考訳（メタデータ） (2021-07-05T17:58:52Z) - User Ex Machina : Simulation as a Design Probe in Human-in-the-Loop Text
Analytics [29.552736183006672]
話題モデルを用いた人間中心インタラクションのシミュレーションに基づく解析を行う。
ユーザインタラクションには大きさが違うが、結果のモデリングの品質に悪影響を及ぼすことがよくあります。
論文 参考訳（メタデータ） (2021-01-06T19:44:11Z) - Improving Neural Topic Models using Knowledge Distillation [84.66983329587073]
我々は,確率論的トピックモデルと事前学習されたトランスフォーマーの最適属性を組み合わせるために,知識蒸留を用いる。
我々のモジュラー手法は、どのニューラルトピックモデルでも簡単に適用でき、トピックの品質を向上させることができる。
論文 参考訳（メタデータ） (2020-10-05T22:49:16Z)
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。