論文の概要: OntoChatGPT Information System: Ontology-Driven Structured Prompts for
ChatGPT Meta-Learning
- arxiv url: http://arxiv.org/abs/2307.05082v1
- Date: Tue, 11 Jul 2023 07:31:58 GMT
- ステータス: 処理完了
- システム内更新日: 2023-07-12 15:52:16.052944
- Title: OntoChatGPT Information System: Ontology-Driven Structured Prompts for
ChatGPT Meta-Learning
- Title（参考訳）: OntoChatGPT情報システム:ChatGPTメタラーニングのためのオントロジー駆動型構造化プロンプト
- Authors: Oleksandr Palagin, Vladislav Kaverinskiy, Anna Litvin and Kyrylo
Malakhov
- Abstract要約: 本研究は,ChatGPTと相互作用するオントロジー駆動型構造化プロンプトシステムを利用するための包括的方法論を提案する。
得られた生産的3つのトライアドは、方法論の基礎、高度な情報技術、OntoChatGPTシステムから構成される。
- 参考スコア（独自算出の注目度）: 19.444636864515726
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This research presents a comprehensive methodology for utilizing an
ontology-driven structured prompts system in interplay with ChatGPT, a widely
used large language model (LLM). The study develops formal models, both
information and functional, and establishes the methodological foundations for
integrating ontology-driven prompts with ChatGPT's meta-learning capabilities.
The resulting productive triad comprises the methodological foundations,
advanced information technology, and the OntoChatGPT system, which collectively
enhance the effectiveness and performance of chatbot systems. The
implementation of this technology is demonstrated using the Ukrainian language
within the domain of rehabilitation. By applying the proposed methodology, the
OntoChatGPT system effectively extracts entities from contexts, classifies
them, and generates relevant responses. The study highlights the versatility of
the methodology, emphasizing its applicability not only to ChatGPT but also to
other chatbot systems based on LLMs, such as Google's Bard utilizing the PaLM 2
LLM. The underlying principles of meta-learning, structured prompts, and
ontology-driven information retrieval form the core of the proposed
methodology, enabling their adaptation and utilization in various LLM-based
systems. This versatile approach opens up new possibilities for NLP and
dialogue systems, empowering developers to enhance the performance and
functionality of chatbot systems across different domains and languages.
- Abstract（参考訳）: 本研究では,大規模言語モデル(LLM)であるChatGPTと相互作用するオントロジー駆動型構造化プロンプトシステムを利用するための包括的方法論を提案する。
この研究は、情報と機能の両方の形式モデルを開発し、ChatGPTのメタ学習機能とオントロジー駆動のプロンプトを統合するための方法論の基礎を確立する。
得られた生産性トリアドは、方法論の基礎、高度な情報技術、チャットボットシステムの有効性と性能を総合的に向上するOntoChatGPTシステムから構成される。
この技術の実装は、リハビリテーション領域内のウクライナ語を用いて実証されている。
提案手法を適用することにより,OntoChatGPTシステムはコンテキストからエンティティを効果的に抽出し,それらを分類し,関連する応答を生成する。
この研究は、この方法論の汎用性を強調し、ChatGPTだけでなく、PaLM 2 LLMを利用するGoogleのBardなど、LLMに基づいた他のチャットボットシステムにも適用性を強調した。
メタラーニング、構造化プロンプト、オントロジ駆動情報検索の基本的な原則は、提案手法の中核を形成し、様々なllmベースのシステムでその適応と利用を可能にする。
この汎用的なアプローチは、NLPと対話システムの新たな可能性を開き、開発者はさまざまなドメインや言語にわたるチャットボットシステムの性能と機能を向上させることができる。
関連論文リスト
- A Proposed Large Language Model-Based Smart Search for Archive System [0.0]
本研究では,デジタルアーカイブシステムにおけるスマート検索のための新しいフレームワークを提案する。
Retrieval-Augmented Generation (RAG) アプローチを用いることで、自然言語クエリの処理を可能にする。
本稿では,システムのアーキテクチャと実装について述べるとともに,その性能を4つの実験で評価する。
論文 参考訳（メタデータ） (2025-01-13T02:53:07Z) - Automating Knowledge Discovery from Scientific Literature via LLMs: A Dual-Agent Approach with Progressive Ontology Prompting [59.97247234955861]
LLM-Duoという,プログレッシブプロンプトアルゴリズムとデュアルエージェントシステムを組み合わせた,大規模言語モデル(LLM)に基づく新しいフレームワークを提案する。
言語治療領域における64,177論文からの2,421件の介入を同定した。
論文 参考訳（メタデータ） (2024-08-20T16:42:23Z) - Engineering Conversational Search Systems: A Review of Applications, Architectures, and Functional Components [4.262342157729123]
本研究では,対話型検索システムの理論的研究と技術的実装の関連について検討する。
階層型アーキテクチャフレームワークを提案し,対話型検索システムの中核機能について説明する。
我々は,大規模言語モデルの急速な進歩を踏まえ,その能力,限界,今後の研究の方向性について考察する。
論文 参考訳（メタデータ） (2024-07-01T06:24:11Z) - Ruffle&Riley: Insights from Designing and Evaluating a Large Language Model-Based Conversational Tutoring System [21.139850269835858]
会話学習システム(CTS)は、自然言語に基づく対話を通じて学習体験を提供する。
大規模言語モデル(LLM)の最近の進歩を2つの方法で活用する新しいタイプのCTSについて検討・評価する。
このシステムは、授業テキストから容易に編集可能な教育用スクリプトを自動生成することにより、AI支援コンテンツオーサリングを可能にする。
論文 参考訳（メタデータ） (2024-04-26T14:57:55Z) - FecTek: Enhancing Term Weight in Lexicon-Based Retrieval with Feature Context and Term-level Knowledge [54.61068946420894]
FEature Context と TErm レベルの知識モジュールを導入して,革新的な手法を提案する。
項重みの特徴コンテキスト表現を効果的に強化するために、FCM(Feature Context Module)が導入された。
また,用語レベルの知識を効果的に活用し,用語重みのモデル化プロセスをインテリジェントに導くための用語レベルの知識誘導モジュール(TKGM)を開発した。
論文 参考訳（メタデータ） (2024-04-18T12:58:36Z) - Language Evolution with Deep Learning [49.879239655532324]
計算モデリングは言語の出現の研究において重要な役割を担っている。
構造化言語の出現を誘発する可能性のある条件と学習プロセスをシミュレートすることを目的としている。
この章では、最近機械学習の分野に革命をもたらした別の種類の計算モデル、ディープ・ラーニング・モデルについて論じる。
論文 参考訳（メタデータ） (2024-03-18T16:52:54Z) - Task-Oriented Dialogue with In-Context Learning [0.0]
本稿では、大規模言語モデル(LLM)の文脈内学習能力と、ビジネスロジックの決定論的実行を組み合わせたタスク指向対話システムを構築するシステムについて述べる。
LLMは、会話の表面形式とビジネスロジックの進行に使用されるドメイン固有言語の間の翻訳に使用される。
論文 参考訳（メタデータ） (2024-02-19T15:43:35Z) - DIALIGHT: Lightweight Multilingual Development and Evaluation of
Task-Oriented Dialogue Systems with Large Language Models [76.79929883963275]
DIALIGHTは多言語タスク指向対話(ToD)システムの開発と評価のためのツールキットである。
ローカル発話レベルとグローバル対話レベルの両方において、人間のきめ細かい評価のためのセキュアでユーザフレンドリーなWebインターフェースを備えている。
評価の結果, PLMの微調整により精度とコヒーレンスが向上する一方, LLMベースのシステムは多様で類似した応答を生成するのに優れていた。
論文 参考訳（メタデータ） (2024-01-04T11:27:48Z) - ChatGPT-HealthPrompt. Harnessing the Power of XAI in Prompt-Based
Healthcare Decision Support using ChatGPT [15.973406739758856]
本研究は,OpenAIのChatGPTを中心に,大規模言語モデル(LLM)を臨床意思決定に適用するための革新的なアプローチを提案する。
提案手法では,タスク記述,特徴記述,ドメイン知識の統合を前提とした文脈的プロンプトの利用を提案する。
論文 参考訳（メタデータ） (2023-08-17T20:50:46Z) - Recommender Systems in the Era of Large Language Models (LLMs) [62.0129013439038]
大規模言語モデル(LLM)は自然言語処理(NLP)と人工知能(AI)の分野に革命をもたらした。
我々は, プレトレーニング, ファインチューニング, プロンプティングなどの様々な側面から, LLM を利用したレコメンデータシステムの総合的なレビューを行う。
論文 参考訳（メタデータ） (2023-07-05T06:03:40Z) - Towards Unified Conversational Recommender Systems via
Knowledge-Enhanced Prompt Learning [89.64215566478931]
会話レコメンデータシステム(CRS)は,ユーザの嗜好を積極的に取り入れ,自然言語会話を通じて高品質な項目を推薦することを目的としている。
効果的なCRSを開発するためには、2つのモジュールをシームレスに統合することが不可欠である。
知識強調学習に基づく統一CRSモデルUniCRSを提案する。
論文 参考訳（メタデータ） (2022-06-19T09:21:27Z)
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。