論文の概要: DEFTri: A Few-Shot Label Fused Contextual Representation Learning For Product Defect Triage in e-Commerce

• arxiv url: http://arxiv.org/abs/2307.11344v1
• Date: Fri, 21 Jul 2023 04:22:43 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-24 13:42:59.818729
• Title: DEFTri: A Few-Shot Label Fused Contextual Representation Learning For Product Defect Triage in e-Commerce
• Title（参考訳）: DEFTri:eコマースにおける製品欠陥トリアージのためのコンテキスト表現学習
• Authors: Ipsita Mohanty
• Abstract要約: 本研究は, ラベルを融合したテキスト埋め込み上で, 微細調整した最先端のBERTを用いて, 自動欠陥トリアージ(DEFTri)を実現するための新しいフレームワークを提案する。 マルチラベルテキスト分類欠陥トリアージタスクには、弱い監督と敵対的学習を用いた製品欠陥のWalmart独自のデータセットも導入しています。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Defect Triage is a time-sensitive and critical process in a large-scale agile software development lifecycle for e-commerce. Inefficiencies arising from human and process dependencies in this domain have motivated research in automated approaches using machine learning to accurately assign defects to qualified teams. This work proposes a novel framework for automated defect triage (DEFTri) using fine-tuned state-of-the-art pre-trained BERT on labels fused text embeddings to improve contextual representations from human-generated product defects. For our multi-label text classification defect triage task, we also introduce a Walmart proprietary dataset of product defects using weak supervision and adversarial learning, in a few-shot setting.
• Abstract（参考訳）: Defect Triageは、Eコマースのための大規模なアジャイルソフトウェア開発ライフサイクルにおいて、時間に敏感で重要なプロセスである。 このドメインにおける人間とプロセス依存性から生じる非効率性は、機械学習を使用して、適格なチームに欠陥を正確に割り当てる自動アプローチの研究を動機付けています。 本研究では,人為的に生成した製品欠陥からコンテキスト表現を改善するために,ラベルを融合したテキスト埋め込み上で,微細調整された最先端のBERTを用いた自動欠陥トリアージ(DEFTri)を提案する。 当社のマルチラベルテキスト分類欠陥トリアージタスクでは,弱い監督と敵意学習を用いたwalmart独自の製品欠陥データセットも,少数の設定で導入しています。

関連論文リスト

• Detecting Machine-Generated Long-Form Content with Latent-Space Variables [54.07946647012579]
  既存のゼロショット検出器は主に、現実世界のドメインシフトに弱いトークンレベルの分布に焦点を当てている。 本稿では,イベント遷移などの抽象的要素を機械対人文検出の鍵となる要因として組み込んだ,より堅牢な手法を提案する。
  論文  参考訳（メタデータ） (2024-10-04T18:42:09Z)
• LLM-3D Print: Large Language Models To Monitor and Control 3D Printing [6.349503549199403]
  産業4.0は、デジタル化を推進し、添加性製造(AM)へのパラダイムシフトによって製造に革命をもたらした。 重要なAM技術であるFDMは、層間押出による最小限の材料廃棄物による、高度にカスタマイズされたコスト効率の高い製品の作成を可能にする。 本稿では,3Dプリンタとともに学習済みのLarge Language Models(LLM)を利用して,印刷欠陥の検出と対処を行うプロセス監視・制御フレームワークを提案する。
  論文  参考訳（メタデータ） (2024-08-26T14:38:19Z)
• LabelAId: Just-in-time AI Interventions for Improving Human Labeling Quality and Domain Knowledge in Crowdsourcing Systems [16.546017147593044]
  本稿では,クラウドワーカー間でのラベル付け品質とドメイン固有の知識の両面を強化するために,ジャスト・イン・タイムのAI介入について検討する。 本稿では,PWS(Programmatic Weak Supervision)とFT変換器を組み合わせてラベルの正しさを推定する高度な推論モデルであるLabelAIdを紹介する。 その後、都市アクセシビリティのためのオープンソースのクラウドソーシングプラットフォームであるProject SidewalkにLabelAIdを実装しました。
  論文  参考訳（メタデータ） (2024-03-14T18:59:10Z)
• A Comparative Study of Transformer-based Neural Text Representation Techniques on Bug Triaging [8.831760500324318]
  我々は、バグトリアージのタスクにおいて、ファイントゥーントランスフォーマーベースの言語モデルに関する最初の調査の1つを提供している。 DeBERTaは、開発者とコンポーネントの割り当てのトリアージタスクの中で、最も効果的なテクニックです。
  論文  参考訳（メタデータ） (2023-10-10T18:09:32Z)
• Watermarking Conditional Text Generation for AI Detection: Unveiling Challenges and a Semantic-Aware Watermark Remedy [52.765898203824975]
  本研究では,条件付きテキスト生成と入力コンテキストの特性を考慮した意味認識型透かしアルゴリズムを提案する。 実験結果から,提案手法は様々なテキスト生成モデルに対して大幅な改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-07-25T20:24:22Z)
• MISMATCH: Fine-grained Evaluation of Machine-generated Text with Mismatch Error Types [68.76742370525234]
  テキスト間のきめ細かいミスマッチに基づいて、7つのNLPタスクにおける人間の判断をモデル化する新しい評価手法を提案する。 細粒度評価のためのNLPタスクの最近の取り組みに触発されて,13種類のミスマッチエラータイプを紹介した。 7つのNLPタスクから得られた有意なデータセットの文対間のミスマッチ誤差は,人間の評価とよく一致している。
  論文  参考訳（メタデータ） (2023-06-18T01:38:53Z)
• Robust Anomaly Map Assisted Multiple Defect Detection with Supervised Classification Techniques [0.440401067183266]
  DRAEM技術は教師なし分類のための最先端性能を示す。 異常マップを作成する能力は、おそらく欠陥がある部分を強調することで、教師付き分類モデルに手がかりを与えることができる。
  論文  参考訳（メタデータ） (2022-12-19T10:37:30Z)
• Improved Adaptive Algorithm for Scalable Active Learning with Weak Labeler [89.27610526884496]
  Weak Labeler Active Cover (WL-AC)は、要求される精度を維持しながら、クエリの複雑さを低減するために、低品質の弱いラベルを堅牢に活用することができる。 受動学習と同一の精度を維持しつつラベル数を著しく削減し, 劣化したMNISTデータセット上での有効性を示す。
  論文  参考訳（メタデータ） (2022-11-04T02:52:54Z)
• A Weakly Supervised Learning Framework for Salient Object Detection via Hybrid Labels [96.56299163691979]
  本稿では,ハイブリッドラベル下でのSODタスクに焦点をあてる。 このタスクにおけるラベルノイズと量不均衡の問題に対処するため、我々は3つの洗練されたトレーニング戦略を持つ新しいパイプラインフレームワークを設計する。 5つのSODベンチマーク実験により,本手法は弱教師付き/非教師付き手法と競合する性能を示した。
  論文  参考訳（メタデータ） (2022-09-07T06:45:39Z)
• Automatic defect segmentation by unsupervised anomaly learning [0.5999777817331318]
  我々のセグメンテーションの入力は、候補欠陥領域の走査電子顕微鏡(SEM)画像である。 クリーンな背景画像のデータセットを用いて、欠陥をセグメント化するためにU-net形状ネットワークをトレーニングする。 実験の結果,データセットに欠陥例がないにも関わらず,実際の欠陥を高品質にセグメント化することに成功していることがわかった。
  論文  参考訳（メタデータ） (2022-02-07T08:33:36Z)
• Scarecrow: A Framework for Scrutinizing Machine Text [69.26985439191151]
  我々はScarecrowと呼ばれる新しい構造化されたクラウドソースエラーアノテーションスキーマを導入する。 Scarecrowは1.3kの人文と機械が生成する英語ニューステキストの13kのアノテーションを収集する。 これらの結果は,現在および将来のテキスト生成システムの評価において,Scarecrowアノテーションの価値を示すものである。
  論文  参考訳（メタデータ） (2021-07-02T22:37:03Z)

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。