Fugu-MT 論文翻訳(概要): Process-To-Text: A Framework for the Quantitative Description of Processes in Natural Language

論文の概要: Process-To-Text: A Framework for the Quantitative Description of Processes in Natural Language

arxiv url: http://arxiv.org/abs/2305.14044v1
Date: Tue, 23 May 2023 13:14:34 GMT
ステータス: 処理完了
システム内更新日: 2023-05-24 16:09:40.132275
Title: Process-To-Text: A Framework for the Quantitative Description of Processes in Natural Language
Title（参考訳）: Process-To-Text:自然言語におけるプロセスの定量的記述のためのフレームワーク
Authors: Yago Fontenla-Seco, Alberto Bugar\'in-Diz, Manuel Lama
Abstract要約: 本稿では、プロセスの記述的説明の自動生成のためのProcess-To-Text(P2T)フレームワークを提案する。 P2Tは、プロセスから時間的および構造的な情報を抽出するためのプロセスマイニング、不確実な用語をモデル化するためのファジィ言語プロトタイプ、説明を構築するための自然言語生成という3つのAIパラダイムを統合している。心臓科領域における実際のユースケースが提示され、専門家に話しかける自然言語の説明を提供するためのP2Tの可能性を示している。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper we present the Process-To-Text (P2T) framework for the automatic generation of textual descriptive explanations of processes. P2T integrates three AI paradigms: process mining for extracting temporal and structural information from a process, fuzzy linguistic protoforms for modelling uncertain terms, and natural language generation for building the explanations. A real use-case in the cardiology domain is presented, showing the potential of P2T for providing natural language explanations addressed to specialists.
Abstract（参考訳）: 本稿では,プロセスのテキスト記述的説明の自動生成のためのP2Tフレームワークを提案する。 p2tは、プロセスから時間的および構造的な情報を抽出するプロセスマイニング、不確定な用語をモデル化するためのファジィ言語原型、説明を構築するための自然言語生成の3つのaiパラダイムを統合している。心臓科領域における実際のユースケースが提示され、専門家に話しかける自然言語の説明を提供するためのP2Tの可能性を示している。

関連論文リスト

TAGExplainer: Narrating Graph Explanations for Text-Attributed Graph Learning Models [14.367754016281934]
本稿では,TAG学習のための自然言語記述法であるTAGExplainerを提案する。実世界のシナリオにおける注釈付き真実説明の欠如に対処するため,まず,サリエンシに基づく説明からモデルの判断を捉える擬似ラベルを生成することを提案する。高品質な擬似ラベルを使用して、エンド・ツー・エンドの説明生成モデルを訓練する。
論文参考訳（メタデータ） (2024-10-20T03:55:46Z)
Explaining Text Similarity in Transformer Models [52.571158418102584]
説明可能なAIの最近の進歩により、トランスフォーマーの説明の改善を活用することで、制限を緩和できるようになった。両線形類似性モデルにおける2次説明の計算のために開発された拡張であるBiLRPを用いて、NLPモデルにおいてどの特徴相互作用が類似性を促進するかを調べる。我々の発見は、異なる意味的類似性タスクやモデルに対するより深い理解に寄与し、新しい説明可能なAIメソッドが、どのようにして深い分析とコーパスレベルの洞察を可能にするかを強調した。
論文参考訳（メタデータ） (2024-05-10T17:11:31Z)
Injecting linguistic knowledge into BERT for Dialogue State Tracking [60.42231674887294]
本稿では,教師なしの枠組みを用いて言語知識を抽出する手法を提案する。次に、この知識を用いて、対話状態追跡(DST)タスクにおけるBERTの性能と解釈可能性を高める。このフレームワークを様々なDSTタスクでベンチマークし、精度の顕著な改善を観察する。
論文参考訳（メタデータ） (2023-11-27T08:38:42Z)
Procedural Text Mining with Large Language Models [0.21756081703275998]
本研究では,非構造化PDFテキストからの手順を段階的に問合せ方式で抽出する問題に対処する。我々は、現在最先端のGPT-4(Generative Pre-trained Transformer 4)モデルを活用し、文脈内学習の2つのバリエーションを伴っている。この結果は、このアプローチの約束と、コンテキスト内学習のカスタマイズの価値の両方を強調している。
論文参考訳（メタデータ） (2023-10-05T08:27:33Z)
Fuzzy Temporal Protoforms for the Quantitative Description of Processes in Natural Language [0.0]
このモデルには、プロセスや属性からの時間的および因果的な情報が含まれ、プロセス寿命の期間中の属性を定量化し、イベント間の因果関係と時間的距離をリコールする。心臓科領域における実際のユースケースを提示し、ドメインの専門家に自然言語の説明を提供するモデルの可能性を示す。
論文参考訳（メタデータ） (2023-05-16T14:59:38Z)
Leveraging pre-trained language models for conversational information seeking from text [2.8425118603312]
本稿では,プロセス記述文書から情報抽出の問題に対処するために,文脈内学習と事前学習言語表現モデルの使用について検討する。その結果、このアプローチの可能性と、コンテキスト内学習のカスタマイズの有用性が浮き彫りになった。
論文参考訳（メタデータ） (2022-03-31T09:00:46Z)
Explainability in Process Outcome Prediction: Guidelines to Obtain Interpretable and Faithful Models [77.34726150561087]
本稿では、プロセス結果予測の分野における説明可能性モデルと説明可能性モデルの忠実性を通して、説明可能性を定義する。本稿では,イベントログの仕様に基づいて適切なモデルを選択することのできる,X-MOPというガイドラインのセットを提案する。
論文参考訳（メタデータ） (2022-03-30T05:59:50Z)
Context-Tuning: Learning Contextualized Prompts for Natural Language Generation [52.835877179365525]
自然言語生成のための微調整PLMに対して,Context-Tuningと呼ばれる新しい連続的プロンプト手法を提案する。まず、入力テキストに基づいてプロンプトを導出し、PLMから有用な知識を抽出して生成する。第二に、生成したテキストの入力に対する関連性をさらに高めるために、連続的な逆プロンプトを用いて自然言語生成のプロセスを洗練する。
論文参考訳（メタデータ） (2022-01-21T12:35:28Z)
Knowledge-Aware Procedural Text Understanding with Multi-Stage Training [110.93934567725826]
本稿では,このような文書の理解とプロセス中のエンティティの状態や場所の追跡を目的とした手続き的テキスト理解の課題に焦点をあてる。常識的推論の難しさとデータ不足という2つの課題はまだ未解決のままである。我々は、複数の外部知識を効果的に活用する、KnOwledge-Aware ProceduraL text understAnding (KOALA)モデルを提案する。
論文参考訳（メタデータ） (2020-09-28T10:28:40Z)
Procedural Reading Comprehension with Attribute-Aware Context Flow [85.34405161075276]
手続き的なテキストは、しばしばエンティティの上で起こるプロセスを記述する。本稿では,テキストを一般的な形式に翻訳することで,手続き的読解のためのアルゴリズムを提案する。
論文参考訳（メタデータ） (2020-03-31T00:06:29Z)

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。