論文の概要: EASE: An Easily-Customized Annotation System Powered by Efficiency
Enhancement Mechanisms
- arxiv url: http://arxiv.org/abs/2305.14169v1
- Date: Tue, 23 May 2023 15:38:37 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-24 15:13:41.449526
- Title: EASE: An Easily-Customized Annotation System Powered by Efficiency
Enhancement Mechanisms
- Title(参考訳): EASE: 効率向上機構を利用した簡易なカスタマイズアノテーションシステム
- Authors: Naihao Deng, Yikai Liu, Mingye Chen, Winston Wu, Siyang Liu, Yulong
Chen, Yue Zhang, Rada Mihalcea
- Abstract要約: EASEは、効率向上機構を利用した、カスタマイズが容易なシステムである。
sysnameは、カスタマイズされたインターフェイスを構築するためのモジュール型のアノテーションユニットを提供する。
この結果から,NLP研究者の多様なニーズを満たすことが可能であることが示唆された。
- 参考スコア(独自算出の注目度): 30.01064463095968
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The performance of current supervised AI systems is tightly connected to the
availability of annotated datasets. Annotations are usually collected through
annotation tools, which are often designed for specific tasks and are difficult
to customize. Moreover, existing annotation tools with an active learning
mechanism often only support limited use cases. To address these limitations,
we present EASE, an Easily-Customized Annotation System Powered by Efficiency
Enhancement Mechanisms. \sysname provides modular annotation units for building
customized annotation interfaces and also provides multiple back-end options
that suggest annotations using (1) multi-task active learning; (2) demographic
feature based active learning; (3) a prompt system that can query the API of
large language models. We conduct multiple experiments and user studies to
evaluate our system's flexibility and effectiveness. Our results show that our
system can meet the diverse needs of NLP researchers and significantly
accelerate the annotation process.
- Abstract(参考訳): 現在の教師付きAIシステムのパフォーマンスは、注釈付きデータセットの可用性と密接に関連している。
アノテーションは通常、特定のタスク用に設計され、カスタマイズが難しいアノテーションツールによって収集される。
さらに、アクティブな学習メカニズムを持つ既存のアノテーションツールは、限られたユースケースしかサポートしないことが多い。
これらの制約に対処するため,効率向上機構を利用した簡易カスタマイズアノテーションシステムEASEを提案する。
\sysnameは、カスタマイズされたアノテーションインターフェイスを構築するためのモジュール化されたアノテーションユニットを提供するとともに、(1)マルチタスクアクティブラーニング、(2)人口統計に基づくアクティブラーニング、(3)大きな言語モデルのapiをクエリできるプロンプトシステムを使用してアノテーションを推奨する複数のバックエンドオプションを提供する。
システムの柔軟性と有効性を評価するために,複数の実験とユーザスタディを実施している。
その結果,本システムはnlp研究者の多様なニーズを満たし,アノテーション処理を著しく加速できることがわかった。
関連論文リスト
- Syntax-Informed Interactive Model for Comprehensive Aspect-Based
Sentiment Analysis [0.0]
総合ABSAのためのシンタクティック・依存性強化マルチタスクインタラクション・アーキテクチャ(SDEMTIA)を提案する。
我々のアプローチは、SDEIN(Syntactic Dependency Embedded Interactive Network)を用いた構文知識(依存関係と型)を革新的に活用する。
また,学習効率を高めるために,マルチタスク学習フレームワークに,新規で効率的なメッセージパッシング機構を組み込んだ。
論文 参考訳(メタデータ) (2023-11-28T16:03:22Z) - Scaling In-Context Demonstrations with Structured Attention [75.41845145597875]
我々は、文脈内学習のためのより優れたアーキテクチャ設計を提案する。
In-Context Learningのための構造化アテンションは、構造化アテンションメカニズムによって完全なアテンションを置き換える。
SAICLは、最大3.4倍の推論速度で、フルアテンションよりも同等または優れた性能を実現していることを示す。
論文 参考訳(メタデータ) (2023-07-05T23:26:01Z) - PLAR: Prompt Learning for Action Recognition [56.57236976757388]
我々は,行動認識のためのプロンプト学習(PLAR)という新しい一般学習手法を提案する。
提案手法は,モデルが入力ビデオのアクションに関連する記述や指示に焦点を合わせることで,アクションラベルを予測できるように設計されている。
我々は,空中マルチエージェントデータセットOkutamamの3.110-7.2%の精度向上と地上カメラ単一エージェントデータセットSomesome V2の1.0-3.6%の改善を観察した。
論文 参考訳(メタデータ) (2023-05-21T11:51:09Z) - Retrieval-Enhanced Machine Learning [110.5237983180089]
本稿では,いくつかの既存モデルを含む汎用的な検索強化機械学習フレームワークについて述べる。
REMLは情報検索の慣例に挑戦し、最適化を含む中核領域における新たな進歩の機会を提示している。
REMLリサーチアジェンダは、情報アクセス研究の新しいスタイルの基礎を築き、機械学習と人工知能の進歩への道を開く。
論文 参考訳(メタデータ) (2022-05-02T21:42:45Z) - The Weak Supervision Landscape [5.186945902380689]
弱い監督設定を分類する枠組みを提案する。
我々は、弱い監督を特徴付ける重要な要素を特定し、既存のアプローチのほとんどを分類する一連の次元を考案する。
文献における一般的な設定がフレームワークにどのように適合するかを示し、実際に使用可能な使用法について議論する。
論文 参考訳(メタデータ) (2022-03-30T13:19:43Z) - Modular approach to data preprocessing in ALOHA and application to a
smart industry use case [0.0]
データ前処理と変換パイプラインをサポートするために、ALOHAツールフローに統合されたモジュラーアプローチに対処する。
提案手法の有効性を示すために,キーワードスポッティングのユースケースに関する実験結果を示す。
論文 参考訳(メタデータ) (2021-02-02T06:48:51Z) - HUMAN: Hierarchical Universal Modular ANnotator [14.671297336775387]
a) テキストデータと画像データの両方で様々なアノテーションタスクをカバーし, b) 内部決定論的状態マシンの使用法を記述した, 上記の問題に対処する新しいWebベースのアノテーションツールを提案する。
Humaneには、アノテーションのタスクと管理を簡単にするグラフィカルなユーザインターフェースが付属している。
論文 参考訳(メタデータ) (2020-10-02T16:20:30Z) - Inferring Temporal Compositions of Actions Using Probabilistic Automata [61.09176771931052]
本稿では,動作の時間的構成を意味正規表現として表現し,確率的オートマトンを用いた推論フレームワークを提案する。
我々のアプローチは、長い範囲の複雑なアクティビティを、順序のないアトミックアクションのセットとして予測するか、自然言語文を使ってビデオを取得するという既存の研究とは異なる。
論文 参考訳(メタデータ) (2020-04-28T00:15:26Z) - A Dependency Syntactic Knowledge Augmented Interactive Architecture for
End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。
このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。
3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文 参考訳(メタデータ) (2020-04-04T14:59:32Z) - A Unified Object Motion and Affinity Model for Online Multi-Object
Tracking [127.5229859255719]
オブジェクトの動きと親和性モデルを単一のネットワークに統一する新しいMOTフレームワークUMAを提案する。
UMAは、単一物体追跡とメートル法学習をマルチタスク学習により統合された三重項ネットワークに統合する。
我々は,タスク認識機能学習を促進するために,タスク固有のアテンションモジュールを装備する。
論文 参考訳(メタデータ) (2020-03-25T09:36:43Z)
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。