論文の概要: OpenSLU: A Unified, Modularized, and Extensible Toolkit for Spoken Language Understanding

• arxiv url: http://arxiv.org/abs/2305.10231v1
• Date: Wed, 17 May 2023 14:12:29 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-18 15:40:31.081635
• Title: OpenSLU: A Unified, Modularized, and Extensible Toolkit for Spoken Language Understanding
• Title（参考訳）: openslu: 音声言語理解のための統合、モジュール化、拡張可能なツールキット
• Authors: Libo Qin, Qiguang Chen, Xiao Xu, Yunlong Feng, Wanxiang Che
• Abstract要約: Spoken Language Understanding (SLU) はタスク指向対話システムの中核となるコンポーネントの一つである。 OpenSLUは、言語理解のための統一的でモジュール化されたツールキットを提供するオープンソースツールキットである。
• 参考スコア（独自算出の注目度）: 57.48730496422474
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Spoken Language Understanding (SLU) is one of the core components of a task-oriented dialogue system, which aims to extract the semantic meaning of user queries (e.g., intents and slots). In this work, we introduce OpenSLU, an open-source toolkit to provide a unified, modularized, and extensible toolkit for spoken language understanding. Specifically, OpenSLU unifies 10 SLU models for both single-intent and multi-intent scenarios, which support both non-pretrained and pretrained models simultaneously. Additionally, OpenSLU is highly modularized and extensible by decomposing the model architecture, inference, and learning process into reusable modules, which allows researchers to quickly set up SLU experiments with highly flexible configurations. OpenSLU is implemented based on PyTorch, and released at \url{https://github.com/LightChen233/OpenSLU}.
• Abstract（参考訳）: Spoken Language Understanding (SLU) はタスク指向対話システムの中核となるコンポーネントの一つで、ユーザクエリの意味(インテントやスロットなど)を抽出することを目的としている。 本稿では,言語理解のための統一的でモジュール化された拡張可能なツールキットを提供するオープンソースツールキットOpenSLUを紹介する。 具体的には、OpenSLUはシングルインテントとマルチインテントの両方のシナリオで10のSLUモデルを統合する。 さらに、OpenSLUはモデルアーキテクチャ、推論、学習プロセスを再利用可能なモジュールに分解することで、高度にモジュール化され拡張可能である。 OpenSLUはPyTorchに基づいて実装され、 \url{https://github.com/LightChen233/OpenSLU}でリリースされた。

関連論文リスト

• Towards Spoken Language Understanding via Multi-level Multi-grained Contrastive Learning [50.1035273069458]
  音声言語理解(SLU)はタスク指向対話システムにおける中核的なタスクである。 本稿では,発話レベル,スロットレベル,単語レベルを含む3段階のコントラスト学習を実現するためのマルチレベルMMCLフレームワークを提案する。 本フレームワークは,2つの公開マルチインテリジェントSLUデータセットに対して,最先端の新たな結果を実現する。
  論文  参考訳（メタデータ） (2024-05-31T14:34:23Z)
• Large Language Models for Expansion of Spoken Language Understanding Systems to New Languages [0.20971479389679337]
  Spoken Language Understanding(SLU)モデルは、Alexa、Bixby、Google Assistantなどの音声アシスタント(VA)のコアコンポーネントである。 本稿では,Large Language Models (LLM) を利用して,SLUシステムを新しい言語に拡張するパイプラインを提案する。 当社のアプローチは,mBERTモデルを用いたクラウドシナリオにおいて,主要なマルチ言語SLUデータセットであるMultiATIS++ベンチマークを改善した。
  論文  参考訳（メタデータ） (2024-04-03T09:13:26Z)
• Agent Lumos: Unified and Modular Training for Open-Source Language Agents [89.78556964988852]
  LUMOSは、オープンソースのLLMベースのエージェントをトレーニングするための最初のフレームワークの1つです。 LUMOSは、高レベルなサブゴール生成を学習する計画モジュールを備えた、学習可能で統一されたモジュラーアーキテクチャを備えている。 我々は、多様な地道理理性から導かれた大規模で統一的で高品質なトレーニングアノテーションを収集する。
  論文  参考訳（メタデータ） (2023-11-09T00:30:13Z)
• Finstreder: Simple and fast Spoken Language Understanding with Finite State Transducers using modern Speech-to-Text models [69.35569554213679]
  Spoken Language Understanding (SLU) では、音声コマンドから重要な情報を抽出する。 本稿では,有限状態トランスデューサにインテントやエンティティを埋め込む簡単な方法を提案する。
  論文  参考訳（メタデータ） (2022-06-29T12:49:53Z)
• ESPnet-SLU: Advancing Spoken Language Understanding through ESPnet [95.39817519115394]
  ESPnet-SLUは、エンドツーエンドの音声処理ツールキットであるESPnetのプロジェクトである。 単一のフレームワークによる音声言語理解の迅速な開発を目的として設計されている。
  論文  参考訳（メタデータ） (2021-11-29T17:05:49Z)
• OpenPrompt: An Open-source Framework for Prompt-learning [59.17869696803559]
  PLM上でのプロンプト学習を行うための統一的な使いやすさツールキットであるOpenPromptを提案する。 OpenPromptは、効率性、モジュール性、拡張性を備えた、リサーチフレンドリーなフレームワークである。
  論文  参考訳（メタデータ） (2021-11-03T03:31:14Z)
• A Result based Portable Framework for Spoken Language Understanding [15.99246711701726]
  RPFSLU (Result-based Portable Framework for Spoken Language understanding) を提案する。 RPFSLUは、ほとんどの既存のシングルターンSLUモデルがマルチターン対話からコンテキスト情報を取得し、現在の予測中の対話履歴における予測結果を最大限に活用します。 公開データセットKVRETの実験結果は、ベースライン内のすべてのSLUモデルがマルチターンSLUタスクでRPFSLUによって強化されることを示した。
  論文  参考訳（メタデータ） (2021-03-10T12:06:26Z)
• SLURP: A Spoken Language Understanding Resource Package [14.152975136933753]
  Spoken Language Understandingは、音声データから直接意味を推測し、エンドユーザアプリケーションにおけるエラーの伝播と誤解を減らすことを約束する。 本稿では,以下を含む新しいSLUパッケージであるSLURPをリリースする。 英語の新しいデータセットは18のドメインにまたがっており、既存のデータセットよりもかなり大きく、言語的にも多様である。 最先端のNLUおよびASRシステムに基づく競合ベースライン。 改善の潜在的な領域を特定するための詳細なエラー解析を可能にする,エンティティラベリングのための新しい透過的メトリック。
  論文  参考訳（メタデータ） (2020-11-26T09:58:20Z)

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。