論文の概要: SmartPhone: Exploring Keyword Mnemonic with Auto-generated Verbal and Visual Cues

• arxiv url: http://arxiv.org/abs/2305.10436v1
• Date: Thu, 11 May 2023 20:58:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-21 10:36:40.752095
• Title: SmartPhone: Exploring Keyword Mnemonic with Auto-generated Verbal and Visual Cues
• Title（参考訳）: SmartPhone: 自動生成のVerbalとVisual Cuesを使ったキーワードMnemonicの探索
• Authors: Jaewook Lee and Andrew Lan
• Abstract要約: 本稿では,キーワード・メニーモニックのための言語・視覚的手がかりの自動生成のためのエンドツーエンドパイプラインを提案する。 言語と視覚を自動生成するエンド・ツー・エンドのパイプラインである我々のアプローチは、覚えやすいキューを自動的に生成することができる。
• 参考スコア（独自算出の注目度）: 2.8047215329139976
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In second language vocabulary learning, existing works have primarily focused on either the learning interface or scheduling personalized retrieval practices to maximize memory retention. However, the learning content, i.e., the information presented on flashcards, has mostly remained constant. Keyword mnemonic is a notable learning strategy that relates new vocabulary to existing knowledge by building an acoustic and imagery link using a keyword that sounds alike. Beyond that, producing verbal and visual cues associated with the keyword to facilitate building these links requires a manual process and is not scalable. In this paper, we explore an opportunity to use large language models to automatically generate verbal and visual cues for keyword mnemonics. Our approach, an end-to-end pipeline for auto-generating verbal and visual cues, can automatically generate highly memorable cues. We investigate the effectiveness of our approach via a human participant experiment by comparing it with manually generated cues.
• Abstract（参考訳）: 第二言語語彙学習では、既存の研究は主に学習インターフェースや、記憶保持を最大化するためにパーソナライズされた検索プラクティスのスケジューリングに重点を置いている。 しかし、学習内容、すなわちフラッシュカードに提示される情報は、ほとんど一定のままである。 キーワード・ムネモニック(英: Keyword mnemonic)は、新しい語彙と既存の知識を関連づける有名な学習戦略である。 さらに、これらのリンクの構築を容易にするために、キーワードに関連する言語的および視覚的な手がかりを生成するには、手動のプロセスが必要で、スケーラブルではない。 本稿では,大言語モデルを用いて,キーワード・メニーモニックのための言語・視覚的手がかりを自動的に生成する機会を探る。 言語と視覚を自動生成するエンド・ツー・エンドのパイプラインである我々のアプローチは、覚えやすいキューを自動的に生成することができる。 本研究は,人体実験によるアプローチの有効性について,手動で作成した手がかりと比較することによって検討する。

関連論文リスト

• Developing Instruction-Following Speech Language Model Without Speech Instruction-Tuning Data [84.01401439030265]
  最近のエンドツーエンド言語モデル(SLM)は、大規模言語モデル(LLM)の機能に拡張されている。 音声とテキストのペアデータを生成するための,シンプルで効果的な自動処理手法を提案する。 本モデルでは,音声教育データを必要としない音声関連タスクの汎用性を示す。
  論文  参考訳（メタデータ） (2024-09-30T07:01:21Z)
• Exploring Automated Keyword Mnemonics Generation with Large Language Models via Overgenerate-and-Rank [4.383205675898942]
  キーワード・ムネモニクス(英: Keywords mnemonics)は、単語を単語のキューを通じて記憶可能な関連性を通じて記憶する技法である。 そこで本稿では,大規模言語モデルに言語的手がかりを生成させる手法として,新しいオーバージェネレーション・アンド・ランク法を提案する。 以上の結果から, LLM生成のメネモニクスは, 画像性, コヒーレンス, 知覚的有用性の観点から, 人間生成のミネモニクスに匹敵するものであることが示唆された。
  論文  参考訳（メタデータ） (2024-09-21T00:00:18Z)
• Self-Supervised Representation Learning with Spatial-Temporal Consistency for Sign Language Recognition [96.62264528407863]
  本研究では,空間的時間的整合性を通じてリッチな文脈を探索する自己教師付きコントラスト学習フレームワークを提案する。 動きと関節のモーダル性の相補性に着想を得て,手話モデルに一階動作情報を導入する。 提案手法は,4つの公開ベンチマークの広範な実験により評価され,新しい最先端性能と顕著なマージンを実現している。
  論文  参考訳（メタデータ） (2024-06-15T04:50:19Z)
• Storyfier: Exploring Vocabulary Learning Support with Text Generation Models [52.58844741797822]
  本研究では,学習者の興味をひく対象語に対するコヒーレントな文脈を提供するために,Storyfierを開発した。 学習者は一般的に、生成したストーリーを目標語を接続し、学習負荷を緩和するための支援を書くのに好む。 読み書き学習セッションでは、AI機能のないベースラインツールで学習するよりも、Storyfierを使用する参加者は、リコールやターゲット語の使用でパフォーマンスが悪くなります。
  論文  参考訳（メタデータ） (2023-08-07T18:25:00Z)
• Human Inspired Progressive Alignment and Comparative Learning for Grounded Word Acquisition [6.47452771256903]
  我々は、人間の赤ちゃんが最初の言語をどのように習得するかからインスピレーションを得て、比較学習を通じて単語獲得のための計算プロセスを開発した。 認知的発見を動機として,様々な属性の類似点と相違点を計算モデルで比較できる小さなデータセットを作成した。 我々は、単語の獲得を情報フィルタリングのプロセスだけでなく、表現-シンボルマッピングにもとづいている。
  論文  参考訳（メタデータ） (2023-07-05T19:38:04Z)
• Self-Supervised Speech Representation Learning: A Review [105.1545308184483]
  自己教師付き表現学習法は、幅広いタスクやドメインに利益をもたらす単一の普遍的モデルを約束する。 音声表現学習は、生成的、コントラスト的、予測的という3つの主要なカテゴリで同様の進歩を経験している。 本稿では,自己指導型音声表現学習のアプローチと,他の研究領域との関係について述べる。
  論文  参考訳（メタデータ） (2022-05-21T16:52:57Z)
• Short-Term Word-Learning in a Dynamically Changing Environment [63.025297637716534]
  本稿では、単語/フレーズメモリと、このメモリにアクセスして単語やフレーズを正しく認識するためのメカニズムを用いて、エンドツーエンドのASRシステムを補完する方法を示す。 誤報がわずかに増加しただけで, 単語の検出速度が大幅に向上した。
  論文  参考訳（メタデータ） (2022-03-29T10:05:39Z)
• Spell my name: keyword boosted speech recognition [25.931897154065663]
  名前や専門用語のような一般的な言葉は、会話を文脈で理解するのに重要である。 本稿では、これらの非一般的なキーワードをよりよく認識できる、単純だが強力なASR復号法を提案する。 本手法は,音響モデル予測に基づくビームサーチにおいて,与えられたキーワードの確率を高める。 本稿では,本手法の有効性を実世界の会話の内部データとLibriSpeeechテストセットで実証する。
  論文  参考訳（メタデータ） (2021-10-06T14:16:57Z)
• Broccoli: Sprinkling Lightweight Vocabulary Learning into Everyday Information Diets [3.305377595864778]
  Broccoliは、ユーザーの日常的な情報ダイエットに語彙学習をシームレスに組み込むことで、必要な労力を削減することを目的とした新しいパラダイムです。 軽量Broccoliアプローチの有効性は,従来の記憶に基づく語彙学習と競合することがわかった。
  論文  参考訳（メタデータ） (2021-04-16T07:38:05Z)
• On Vocabulary Reliance in Scene Text Recognition [79.21737876442253]
  ボキャブラリ内の単語を持つ画像に対して、手法は良好に機能するが、ボキャブラリ外の単語を持つ画像にはあまり一般化しない。 私たちはこの現象を「語彙依存」と呼んでいる。 本研究では,2家族のモデルが協調的に学習できるようにするための,シンプルで効果的な相互学習戦略を提案する。
  論文  参考訳（メタデータ） (2020-05-08T11:16:58Z)

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。