論文の概要: dFlow: A Domain Specific Language for the Rapid Development of
open-source Virtual Assistants
- arxiv url: http://arxiv.org/abs/2310.02102v1
- Date: Tue, 3 Oct 2023 14:46:33 GMT
- ステータス: 処理完了
- システム内更新日: 2023-10-23 05:08:09.300018
- Title: dFlow: A Domain Specific Language for the Rapid Development of
open-source Virtual Assistants
- Title(参考訳): dFlow: オープンソースバーチャルアシスタントの迅速な開発のためのドメイン固有言語
- Authors: Nikolaos Malamas, Konstantinos Panayiotou, Andreas L. Symeonidis
- Abstract要約: タスク固有のVAを低コードで作成するためのフレームワークである textitdFlow を提案する。
本稿では,システムに依存しないVAメタモデル,開発した文法,およびスマートVAの開発と展開に必要なプロセスについて述べる。
さらに便利にするために、クラウドネイティブアーキテクチャを作成して、Discordプラットフォームを通じて公開しています。
- 参考スコア(独自算出の注目度): 1.2277343096128712
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: An increasing number of models and frameworks for Virtual Assistant (VA)
development exist nowadays, following the progress in the Natural Language
Processing (NLP) and Natural Language Understanding (NLU) fields. Regardless of
their performance, popularity, and ease of use, these frameworks require at
least basic expertise in NLP and software engineering, even for simple and
repetitive processes, limiting their use only to the domain and programming
experts. However, since the current state of practice of VA development is a
straightforward process, Model-Driven Engineering approaches can be utilized to
achieve automation and rapid development in a more convenient manner. To this
end, we present \textit{dFlow}, a textual Domain-Specific Language (DSL) that
offers a simplified, reusable, and framework-agnostic language for creating
task-specific VAs in a low-code manner. We describe a system-agnostic VA
meta-model, the developed grammar, and all essential processes for developing
and deploying smart VAs. For further convenience, we create a cloud-native
architecture and expose it through the Discord platform. We conducted a
large-scale empirical evaluation with more than 200 junior software developers
and collected positive feedback, indicating that dFlow can accelerate the
entire VA development process, while also enabling citizen and software
developers with minimum experience to participate.
- Abstract(参考訳): 自然言語処理 (NLP) や自然言語理解 (NLU) の分野が発展し, 仮想アシスタント (VA) 開発のためのモデルやフレームワークが増えている。
パフォーマンス、人気、使いやすさに関わらず、これらのフレームワークは、単純で反復的なプロセスであっても、NLPとソフトウェア工学の少なくとも基本的な専門知識を必要とし、ドメインやプログラミングの専門家に限る。
しかし、VA開発の現在の状況は簡単なプロセスであるため、モデル駆動工学のアプローチはより便利な方法で自動化と迅速な開発を実現するために利用できます。
この目的のために、低コードでタスク固有のVAを作成するために、単純化され、再利用され、フレームワークに依存しない言語を提供するテキストドメイン特化言語(DSL)である「textit{dFlow}」を紹介します。
本稿では,システムに依存しないVAメタモデル,開発した文法,およびスマートVAの開発と展開に必要なプロセスについて述べる。
さらに便利なのは、クラウドネイティブなアーキテクチャを作成して、discordプラットフォームを通じて公開することです。
私たちは200人以上のシニアソフトウェア開発者を対象に,大規模な実証評価を実施し,ポジティブなフィードバックを収集することで,dflowがva開発プロセス全体を加速するとともに,最小限の経験を持つ市民とソフトウェア開発者も参加できることを示した。
関連論文リスト
- Building an Efficient Multilingual Non-Profit IR System for the Islamic Domain Leveraging Multiprocessing Design in Rust [0.0]
本研究は、イスラムドメインのための多言語非営利IRシステムの開発に焦点を当てている。
ドメイン適応の継続事前学習やモデルサイズ削減のための言語削減といった手法を用いて,軽量な多言語検索モデルを構築した。
論文 参考訳(メタデータ) (2024-11-09T11:37:18Z) - CLSP: High-Fidelity Contrastive Language-State Pre-training for Agent State Representation [49.19402798479942]
マルチモーダル学習は 人工知能の 重要な研究領域になっています
知的エージェントにとって、国家は画像、ビデオ、言語といった一般的なモダリティと共に正確な情報を伝達する重要なモダリティである。
本稿では,状態情報を汎用表現に正確にエンコードできる高忠実コントラスト言語-状態事前学習法を提案する。
論文 参考訳(メタデータ) (2024-09-24T07:08:00Z) - CMULAB: An Open-Source Framework for Training and Deployment of Natural Language Processing Models [59.91221728187576]
本稿では,NLPモデルのモデル展開と連続的なヒューマン・イン・ザ・ループの微調整を簡単にするオープンソースフレームワークであるCMU言語バックエンドを紹介する。
CMULABは、マルチ言語モデルのパワーを活用して、音声認識、OCR、翻訳、構文解析などの既存のツールを新しい言語に迅速に適応し、拡張することができる。
論文 参考訳(メタデータ) (2024-04-03T02:21:46Z) - adaptNMT: an open-source, language-agnostic development environment for
Neural Machine Translation [2.648836772989769]
adaptNMTは、機械翻訳の分野で働いている技術と非技術の両方のユーザー向けに設計されている。
このアプリケーションは広く採用されているOpenNMTエコシステム上に構築されている。
NLP空間におけるエコフレンドリーな研究を支援するため、グリーンレポートでは、モデル開発中に発生する電力消費とkgCO$_2$排出もフラグ付けしている。
論文 参考訳(メタデータ) (2024-03-04T12:10:17Z) - LAMM: Language-Assisted Multi-Modal Instruction-Tuning Dataset,
Framework, and Benchmark [81.42376626294812]
本稿では,Language-Assisted Multi-Modalインストラクションチューニングデータセット,フレームワーク,ベンチマークを提案する。
我々の目標は、MLLMのトレーニングと評価のための成長するエコシステムとしてLAMMを確立することです。
本稿では,2次元および3次元視覚のための広範囲な視覚タスクをカバーする包括的データセットとベンチマークを提案する。
論文 参考訳(メタデータ) (2023-06-11T14:01:17Z) - HuSpaCy: an industrial-strength Hungarian natural language processing
toolkit [0.0]
言語処理パイプラインは、最先端の補題化、形態素合成分析、エンティティ認識、単語埋め込みによって構成されるべきである。
本稿では,ハンガリー語処理パイプラインのHuSpaCyを紹介する。
論文 参考訳(メタデータ) (2022-01-06T07:49:45Z) - Reinforced Iterative Knowledge Distillation for Cross-Lingual Named
Entity Recognition [54.92161571089808]
言語間NERは、知識をリッチリソース言語から低リソース言語に転送する。
既存の言語間NERメソッドは、ターゲット言語でリッチなラベル付けされていないデータをうまく利用しない。
半教師付き学習と強化学習のアイデアに基づく新しいアプローチを開発する。
論文 参考訳(メタデータ) (2021-06-01T05:46:22Z) - A Data-Centric Framework for Composable NLP Workflows [109.51144493023533]
アプリケーションドメインにおける経験的自然言語処理システム(例えば、ヘルスケア、ファイナンス、教育)は、複数のコンポーネント間の相互運用を伴う。
我々は,このような高度なNLPの高速な開発を支援するために,統一的なオープンソースフレームワークを構築した。
論文 参考訳(メタデータ) (2021-03-02T16:19:44Z) - Technology Readiness Levels for Machine Learning Systems [107.56979560568232]
機械学習システムの開発とデプロイは、現代のツールで簡単に実行できますが、プロセスは一般的に急ぎ、エンドツーエンドです。
私たちは、機械学習の開発と展開のための実証済みのシステムエンジニアリングアプローチを開発しました。
当社の「機械学習技術準備レベル」フレームワークは、堅牢で信頼性が高く、責任あるシステムを確保するための原則的なプロセスを定義します。
論文 参考訳(メタデータ) (2021-01-11T15:54:48Z) - Sequence Model Design for Code Completion in the Modern IDE [3.4824234779710452]
本稿では,すべての有効なキーワードとスコープ内識別子を列挙する静的解析能力と,それらの上に確率分布を配置する言語モデルの能力を組み合わせた,トップk次トークンの予測手法を提案する。
我々のモデルは,文字レベルの入力表現とトークン出力を混合し,語彙外トークン(OOV)を有意に表現し,予測遅延を最小化する。
論文 参考訳(メタデータ) (2020-04-10T22:40:49Z)
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。