Fugu-MT 論文翻訳(概要): DSL-driven Integration of HTTP Services in DIME

論文の概要: DSL-driven Integration of HTTP Services in DIME

arxiv url: http://arxiv.org/abs/2306.02299v1
Date: Sun, 4 Jun 2023 08:40:53 GMT
ステータス: 処理完了
システム内更新日: 2023-10-24 04:35:41.879280
Title: DSL-driven Integration of HTTP Services in DIME
Title（参考訳）: DSL駆動によるDIMEにおけるHTTPサービスの統合
Authors: Bruno Steffen
Abstract要約: この論文は、Webサービスのローコード没入型モデリング環境(IME)DIMEへの統合を容易にするための最初の試みである。 DIMEユーザは、数行のコードでWebサービスへのHTTPリクエストを指定でき、DIMEが提供するモデリング言語にこれらのリクエストを統合することができる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: As the integration of web services into web applications becomes more and more common, it is necessary to find a solution for low-code or no-code environments. This thesis is the first attempt to allow for the easy integration of web services into the low-code immersive modeling environment (IME) DIME, by means of a domain-specific language (DSL), the HTTP-DSL. DIME users can specify HTTP requests to web services with few lines of code, and then integrate these requests into the modeling languages provided by DIME.
Abstract（参考訳）: Web アプリケーションへの Web サービスの統合がますます一般的になるにつれて,ローコードやノーコード環境に対するソリューションを見つける必要がある。この論文は、ドメイン固有言語(DSL)であるHTTP-DSLを用いて、Webサービスを低コード没入型モデリング環境(IME)DIMEに簡単に統合できるようにする最初の試みである。 DIMEユーザは、数行のコードでWebサービスへのHTTPリクエストを指定でき、DIMEが提供するモデリング言語にこれらのリクエストを統合することができる。

関連論文リスト

ESPnet-EZ: Python-only ESPnet for Easy Fine-tuning and Integration [54.53405886636696]
ESPnet-EZはオープンソースの音声処理ツールキットであるESPnetの拡張である。音声モデルの開発を迅速かつ容易に行うことを目的としている。
論文参考訳（メタデータ） (2024-09-14T19:03:53Z)
Web2Code: A Large-scale Webpage-to-Code Dataset and Evaluation Framework for Multimodal LLMs [112.89665642941814]
MLLM(Multimodal large language model)は、画像、ビデオ、オーディオなどのモダリティにおいて顕著な成功を収めている。現在のMLLMは、Webページのスクリーンショットを理解し、対応するHTMLコードを生成するのに驚くほど貧弱です。命令チューニングのための大規模Webページ・ツー・コードデータセットを新たに構築したベンチマークを提案する。
論文参考訳（メタデータ） (2024-06-28T17:59:46Z)
Fingerprinting web servers through Transformer-encoded HTTP response headers [0.0]
最先端のディープラーニング、ビッグデータ、自然言語処理を活用して、脆弱なWebサーババージョンの検出を強化しています。我々は、さまざまな曖昧で非標準のHTTPリクエストを477万のドメインに送信して実験を行った。
論文参考訳（メタデータ） (2024-03-26T17:24:28Z)
Unlocking the conversion of Web Screenshots into HTML Code with the WebSight Dataset [8.581656334758547]
我々は、200万組のHTMLコードとそれに対応するスクリーンショットからなるデータセットであるWebSightを紹介する。この分野での研究を加速するため、私たちはWebSightをオープンソースにしました。
論文参考訳（メタデータ） (2024-03-14T01:40:40Z)
Language Models are Universal Embedders [48.12992614723464]
事前学習されたトランスフォーマーデコーダは、限定的な英語データに基づいて微調整された場合、普遍的に埋め込み可能であることを示す。我々のモデルは、最小限のトレーニングデータにより、異なる埋め込みタスクにおける競争性能を達成する。これらの結果は、強力な統合インバータを構築するための有望な道の証となる。
論文参考訳（メタデータ） (2023-10-12T11:25:46Z)
Evaluating Embedding APIs for Information Retrieval [51.24236853841468]
ドメインの一般化と多言語検索における既存のセマンティック埋め込みAPIの機能を評価する。 BM25の結果をAPIを使って再ランク付けすることは、予算に優しいアプローチであり、英語でもっとも効果的である。非英語検索では、再ランク付けは結果を改善するが、BM25のハイブリッドモデルは高いコストで機能する。
論文参考訳（メタデータ） (2023-05-10T16:40:52Z)
WebSHAP: Towards Explaining Any Machine Learning Models Anywhere [13.883867498610172]
我々は,最新のモデルに依存しない説明可能性技術 SHAP を Web 環境に適用する最初のブラウザ内ツールである WebSHAP を提案する。我々のオープンソースツールは、クライアントサイドのハードウェア機能を利用するWebGLのようなモダンなWeb技術で開発されています。
論文参考訳（メタデータ） (2023-03-16T17:56:02Z)
Pix2Struct: Screenshot Parsing as Pretraining for Visual Language Understanding [58.70423899829642]
Pix2Structは、純粋に視覚的な言語理解のための事前訓練された画像-テキストモデルである。 4つの領域にまたがる9つのタスクのうち6つのタスクにおいて、1つの事前訓練されたモデルが最先端の結果が得られることを示す。
論文参考訳（メタデータ） (2022-10-07T06:42:06Z)
A Simple Multi-Modality Transfer Learning Baseline for Sign Language Translation [54.29679610921429]
既存の手話データセットには、約10K-20Kの手話ビデオ、グロスアノテーション、テキストが含まれています。したがって、データは効果的な手話翻訳モデルの訓練のボトルネックとなる。この単純なベースラインは、2つの手話翻訳ベンチマークで過去の最先端の結果を上回っている。
論文参考訳（メタデータ） (2022-03-08T18:59:56Z)
Towards an ontology of HTTP interactions [0.0]
HTTPは、すべてのWeb開発の中心に残っています。 RDF語彙の提案は存在する。再利用可能なものにするために、適応と拡張を提案します。
論文参考訳（メタデータ） (2020-07-20T08:38:36Z)

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。