論文の概要: An xAI Approach for Data-to-Text Processing with ASP

• arxiv url: http://arxiv.org/abs/2308.15898v1
• Date: Wed, 30 Aug 2023 09:09:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-08-31 13:52:24.294766
• Title: An xAI Approach for Data-to-Text Processing with ASP
• Title（参考訳）: aspを用いたxaiによるテキスト間データ処理
• Authors: Alessandro Dal Pal\`u (Universit\`a di Parma, Italy), Agostino Dovier (Universit\`a di Udine, Italy), Andrea Formisano (Universit\`a di Udine, Italy)
• Abstract要約: 本稿では,xAI要求に準拠するフレームワークを提案する。 テキスト記述は階層的に整理され、テキストがさらに詳細で豊かになるトップダウン構造になっている。 自然言語記述の構造の生成も論理規則によって管理される。
• 参考スコア（独自算出の注目度）: 39.58317527488534
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: The generation of natural language text from data series gained renewed interest among AI research goals. Not surprisingly, the few proposals in the state of the art are based on training some system, in order to produce a text that describes and that is coherent to the data provided as input. Main challenges of such approaches are the proper identification of "what" to say (the key descriptive elements to be addressed in the data) and "how" to say: the correspondence and accuracy between data and text, the presence of contradictions/redundancy in the text, the control of the amount of synthesis. This paper presents a framework that is compliant with xAI requirements. In particular we model ASP/Python programs that enable an explicit control of accuracy errors and amount of synthesis, with proven optimal solutions. The text description is hierarchically organized, in a top-down structure where text is enriched with further details, according to logic rules. The generation of natural language descriptions' structure is also managed by logic rules.
• Abstract（参考訳）: データシリーズからの自然言語テキストの生成は、ai研究の目標に再び関心を寄せた。 当然のことながら、最先端のいくつかの提案は、入力として提供されるデータに一貫性のあるテキストを作成するために、あるシステムを訓練することに基づいている。 このようなアプローチの主な課題は、データとテキストの対応と正確性、テキストにおける矛盾/冗長性の存在、合成量の制御など、何と言うべきか(データの中で対処すべき重要な記述要素)を適切に識別することである。 本稿では,xAI要求に準拠するフレームワークを提案する。 特に我々はasp/pythonプログラムをモデル化し、最適解が証明された精度エラーと合成量の明示的な制御を可能にする。 テキスト記述は、トップダウン構造で階層的に構成され、ロジックルールに従って、さらに詳細なテキストが強化される。 自然言語記述の構造の生成も論理規則によって管理される。

関連論文リスト

• HILL: Hierarchy-aware Information Lossless Contrastive Learning for Hierarchical Text Classification [12.930158528823524]
  本稿では,入力サンプルに固有の意味的・統語的情報を適切に予約したコントラッシブ学習方式の実現可能性について検討する。 構造エンコーダは、文書埋め込みを入力として、ラベル階層固有の本質的な構文情報を抽出し、構文情報をテキスト表現に注入する。 HILLの優位性を検証するために,3つの共通データセットの実験を行った。
  論文  参考訳（メタデータ） (2024-03-26T01:29:17Z)
• Text2Data: Low-Resource Data Generation with Textual Control [104.38011760992637]
  自然言語は、人間が機械とシームレスに対話するための共通かつ直接的な制御信号として機能する。 ラベルのないデータを用いて教師なし拡散モデルを用いて基礎となるデータ分布を理解する新しいアプローチであるText2Dataを提案する。 制御性を確保し、破滅的な忘れを効果的に防止する、新しい制約最適化ベースの学習目標を通じて制御可能な微調整を行う。
  論文  参考訳（メタデータ） (2024-02-08T03:41:39Z)
• TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
  Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。 分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
  論文  参考訳（メタデータ） (2023-06-06T03:37:41Z)
• MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text Generation [102.20036684996248]
  多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。 WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
  論文  参考訳（メタデータ） (2022-12-16T17:36:23Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• LOGEN: Few-shot Logical Knowledge-Conditioned Text Generation with Self-training [76.90793623822866]
  数ショット設定で論理的知識条件付きテキスト生成のための統一的なフレームワークを提案する。 本手法は, 自己学習を利用して, コンテンツと構造整合性に基づく擬似論理形式を抽出する。
  論文  参考訳（メタデータ） (2021-12-02T16:49:41Z)
• AGGGEN: Ordering and Aggregating while Generating [12.845842212733695]
  本稿では,2つの明示的な文計画段階をニューラルデータ・トゥ・テキストシステムに再導入するデータ・ツー・テキスト・モデルAGGGENを提案する。 AGGGENは、入力表現とターゲットテキスト間の遅延アライメントを学習してテキストを生成すると同時に、文計画を実行する。
  論文  参考訳（メタデータ） (2021-06-10T08:14:59Z)
• Matching Text with Deep Mutual Information Estimation [0.0]
  本稿では,深い相互情報推定を組み込んだ汎用テキストマッチングのためのニューラルネットワークを提案する。 提案手法は,Deep Info Max (TIM) を用いたテキストマッチングであり,表現の教師なし学習手法と統合されている。 自然言語推論,パラフレーズ識別,解答選択など,いくつかのタスクにおけるテキストマッチング手法の評価を行った。
  論文  参考訳（メタデータ） (2020-03-09T15:25:37Z)

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。