Fugu-MT 論文翻訳(概要): Schema-Driven Actionable Insight Generation and Smart Recommendation

論文の概要: Schema-Driven Actionable Insight Generation and Smart Recommendation

arxiv url: http://arxiv.org/abs/2307.13176v1
Date: Mon, 24 Jul 2023 23:53:13 GMT
ステータス: 処理完了
システム内更新日: 2023-07-26 18:42:28.888347
Title: Schema-Driven Actionable Insight Generation and Smart Recommendation
Title（参考訳）: スキーマ駆動アクション可能な洞察生成とスマートレコメンデーション
Authors: Allmin Susaiyah, Aki H\"arm\"a and Milan Petkovi\'c
Abstract要約: 本稿では、データから実行可能な洞察を生成し、成長と変化を促進するためのスキーマ駆動方式を提案する。また、フィードバックに基づいてユーザーの関心に合わせた洞察をランク付けする手法も導入している。
参考スコア（独自算出の注目度）: 0.38673630752805443
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In natural language generation (NLG), insight mining is seen as a data-to-text task, where data is mined for interesting patterns and verbalised into 'insight' statements. An 'over-generate and rank' paradigm is intuitively used to generate such insights. The multidimensionality and subjectivity of this process make it challenging. This paper introduces a schema-driven method to generate actionable insights from data to drive growth and change. It also introduces a technique to rank the insights to align with user interests based on their feedback. We show preliminary qualitative results of the insights generated using our technique and demonstrate its ability to adapt to feedback.
Abstract（参考訳）: 自然言語生成(NLG)では、インサイトマイニングはデータからテキストへのタスクと見なされる。のパラダイムは直感的にこのような洞察を生み出すために使われます。この過程の多次元性と主観性は難しい。本稿では,データから実行可能な洞察を生成し,成長と変化を促進するスキーマ駆動手法を提案する。また、フィードバックに基づいてユーザーの興味に合わせて洞察をランク付けするテクニックも導入している。本手法を用いて得られた知見の質的な予備結果を示し,フィードバックに適応する能力を示す。

関連論文リスト

Natural Language Generation for Visualizations: State of the Art, Challenges and Future Directions [7.064953237013352]
可視化のためのテキスト生成に焦点を当てた研究に焦点をあてる。提案手法のNLG問題と設計空間を特徴付けるために、5つのWh-questionsを示す。この5つのWh-questionsに基づく調査論文のソリューションを分類する。
論文参考訳（メタデータ） (2024-09-29T15:53:18Z)
DimVis: Interpreting Visual Clusters in Dimensionality Reduction With Explainable Boosting Machine [3.2748787252933442]
DimVisは、DRプロジェクションの解釈アシスタントとして、教師付きExplainable Boosting Machine(EBM)モデルを使用するツールである。本ツールは,視覚的クラスタにおける特徴関連性の解釈を提供することにより,高次元データ解析を容易にする。
論文参考訳（メタデータ） (2024-02-10T04:50:36Z)
Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
論文参考訳（メタデータ） (2023-12-26T15:44:09Z)
SINC: Self-Supervised In-Context Learning for Vision-Language Tasks [64.44336003123102]
大規模言語モデルにおけるコンテキスト内学習を実現するためのフレームワークを提案する。メタモデルは、カスタマイズされたデモからなる自己教師型プロンプトで学ぶことができる。実験の結果、SINCは様々な視覚言語タスクにおいて勾配に基づく手法よりも優れていた。
論文参考訳（メタデータ） (2023-07-15T08:33:08Z)
Exploring Large Language Model for Graph Data Understanding in Online Job Recommendations [63.19448893196642]
本稿では,大規模言語モデルが提供するリッチな文脈情報と意味表現を利用して行動グラフを解析する新しいフレームワークを提案する。この機能を利用することで、個々のユーザに対してパーソナライズされた、正確なジョブレコメンデーションが可能になる。
論文参考訳（メタデータ） (2023-07-10T11:29:41Z)
Controllable Data Generation by Deep Learning: A Review [22.582082771890974]
制御可能な深層データ生成は有望な研究領域であり、一般に制御可能な深部データ生成として知られている。本稿では、制御可能な深層データ生成のエキサイティングな応用を紹介し、既存の研究を実験的に分析し比較する。
論文参考訳（メタデータ） (2022-07-19T20:44:42Z)
MINER: Improving Out-of-Vocabulary Named Entity Recognition from an Information Theoretic Perspective [57.19660234992812]
NERモデルは標準のNERベンチマークで有望な性能を達成した。近年の研究では、従来のアプローチはエンティティ参照情報に過度に依存し、OoV(out-of-vocabulary)エンティティ認識の性能が劣っていることが示されている。我々は、情報理論の観点からこの問題を改善するための新しいNER学習フレームワークであるMINERを提案する。
論文参考訳（メタデータ） (2022-04-09T05:18:20Z)
Insights into Data through Model Behaviour: An Explainability-driven Strategy for Data Auditing for Responsible Computer Vision Applications [70.92379567261304]
本研究では,データ監査に対する説明可能性駆動型戦略について検討する。 2つの人気のある医療ベンチマークデータセットを監査することで、この戦略を実証する。私たちは、ディープラーニングモデルに誤った理由を予測させる隠れたデータ品質の問題を発見します。
論文参考訳（メタデータ） (2021-06-16T23:46:39Z)
Generative Counterfactuals for Neural Networks via Attribute-Informed Perturbation [51.29486247405601]
AIP(Attribute-Informed Perturbation)の提案により,生データインスタンスの反事実を生成するフレームワークを設計する。異なる属性を条件とした生成モデルを利用することで、所望のラベルとの反事実を効果的かつ効率的に得ることができる。実世界のテキストや画像に対する実験結果から, 設計したフレームワークの有効性, サンプル品質, および効率が示された。
論文参考訳（メタデータ） (2021-01-18T08:37:13Z)
Chart-to-Text: Generating Natural Language Descriptions for Charts by Adapting the Transformer Model [6.320141734801679]
我々は,新しいデータセットを導入し,グラフの自然言語要約を自動的に生成するニューラルモデルを提案する。生成された要約は、チャートの解釈を提供し、そのチャートで見られる重要な洞察を伝える。
論文参考訳（メタデータ） (2020-10-18T23:57:33Z)

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。