論文の概要: WordDecipher: Enhancing Digital Workspace Communication with Explainable AI for Non-native English Speakers
- arxiv url: http://arxiv.org/abs/2404.07005v1
- Date: Wed, 10 Apr 2024 13:40:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-11 14:31:02.980642
- Title: WordDecipher: Enhancing Digital Workspace Communication with Explainable AI for Non-native English Speakers
- Title（参考訳）: WordDecipher:非ネイティブな英語話者のための説明可能なAIによるデジタルワークスペースコミュニケーションの強化
- Authors: Yuexi Chen, Zhicheng Liu,
- Abstract要約: 非ネイティブ英語話者(NNES)は、デジタルワークスペースコミュニケーションにおける課題に直面している。
現在のAI支援書記ツールは、流布強化と書き直し提案を備えている。
我々は、デジタルワークスペースコミュニケーションを強化するための説明可能なAI支援記述ツールであるWordDecipherを提案する。
- 参考スコア（独自算出の注目度）: 11.242099987201573
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Non-native English speakers (NNES) face challenges in digital workspace communication (e.g., emails, Slack messages), often inadvertently translating expressions from their native languages, which can lead to awkward or incorrect usage. Current AI-assisted writing tools are equipped with fluency enhancement and rewriting suggestions; however, NNES may struggle to grasp the subtleties among various expressions, making it challenging to choose the one that accurately reflects their intent. Such challenges are exacerbated in high-stake text-based communications, where the absence of non-verbal cues heightens the risk of misinterpretation. By leveraging the latest advancements in large language models (LLM) and word embeddings, we propose WordDecipher, an explainable AI-assisted writing tool to enhance digital workspace communication for NNES. WordDecipher not only identifies the perceived social intentions detected in users' writing, but also generates rewriting suggestions aligned with users' intended messages, either numerically or by inferring from users' writing in their native language. Then, WordDecipher provides an overview of nuances to help NNES make selections. Through a usage scenario, we demonstrate how WordDecipher can significantly enhance an NNES's ability to communicate her request, showcasing its potential to transform workspace communication for NNES.
- Abstract（参考訳）: 非ネイティブな英語話者(NNES)は、デジタルワークスペースコミュニケーション(Eメール、Slackメッセージなど)における課題に直面し、しばしばネイティブ言語から表現を不注意に翻訳する。
しかし、NNESは様々な表現の微妙さの把握に苦慮しているため、その意図を正確に反映した表現を選択することは困難である。
このような課題は、非言語的手がかりの欠如が誤解釈のリスクを高めるという、高い視点のテキストベースのコミュニケーションにおいて悪化している。
大規模言語モデル(LLM)と単語埋め込みの最新の進歩を活用して、NNESのためのデジタルワークスペースコミュニケーションを強化するための説明可能なAI支援記述ツールであるWordDecipherを提案する。
WordDecipherは、ユーザの書き込みで検出された認識された社会的意図を識別するだけでなく、ユーザの意図したメッセージに沿った書き直し提案を生成する。
次にWordDecipherは、NNESの選択を支援するニュアンスの概要を提供する。
利用シナリオを通じて、WordDecipherはNNESの要求を伝達する能力を大幅に向上させ、NNESのワークスペース通信を変換する可能性を示す。
関連論文リスト
- TwIPS: A Large Language Model Powered Texting Application to Simplify Conversational Nuances for Autistic Users [0.0]
自閉症の個人はしばしば、感情的な声調や非文学的なニュアンスを伝え、解釈するのに困難を経験する。
大規模言語モデル(LLM)を利用したプロトタイプテキストアプリケーションTwIPSについて述べる。
我々は、AIベースのシミュレーションと会話スクリプトを利用して、TwIPSを8人の自閉症参加者で評価する。
論文 参考訳（メタデータ） (2024-07-25T04:15:54Z) - Language-Oriented Communication with Semantic Coding and Knowledge
Distillation for Text-to-Image Generation [53.97155730116369]
我々は言語指向意味コミュニケーション(LSC)の新しい枠組みを提唱した。
LSCでは、機械は人間の言語メッセージを使って通信し、SC効率のために自然言語処理(NLP)技術を用いて解釈および操作することができる。
1) テキストプロンプトをキーヘッドワードに圧縮するセマンティック・ソース・コーディング(SSC)、2) セマンティック・チャネル・コーディング(SCC)、2) セマンティック・チャネル・コーディング(SCC)、3) セマンティック・ナレッジ・蒸留(SKD)、3) リスナーの言語学習を通じてリスナーに適応したプロンプトを生成するセマンティック・ナレッジ・蒸留(SKD)の3つの革新的なアルゴリズムを導入する。
論文 参考訳（メタデータ） (2023-09-20T08:19:05Z) - Addressing the Blind Spots in Spoken Language Processing [4.626189039960495]
人間のコミュニケーションを理解するには、非言語的要素を含むために、テキスト語や音声語を超越した、より包括的なアプローチが必要である、と我々は主張する。
本稿では,これらの非言語的手がかりをテキスト形式で書き起こす汎用的な自動ジェスチャーセグメンテーションと書き起こしモデルの開発を提案する。
論文 参考訳（メタデータ） (2023-09-06T10:29:25Z) - A Neural-Symbolic Approach Towards Identifying Grammatically Correct
Sentences [0.0]
テキスト要約、質問回答、機械翻訳、代名詞分解といった課題に取り組むためには、有効な情報源から十分に書かれたテキストにアクセスすることが重要であると一般に受け入れられている。
本稿では,新しいニューラルシンボリックアプローチにより,英語の文を簡易に検証する方法を提案する。
論文 参考訳（メタデータ） (2023-07-16T13:21:44Z) - Cross-modality Data Augmentation for End-to-End Sign Language Translation [66.46877279084083]
エンドツーエンド手話翻訳(SLT)は、手話動画を中間表現なしで直接音声言語テキストに変換することを目的としている。
署名ビデオとテキスト間のモダリティのギャップとラベル付きデータの不足のため、これは難しい課題だった。
本稿では,強力な光沢からテキストへの翻訳機能をエンドツーエンドの手話翻訳に変換するための,新しいクロスモダリティデータ拡張(XmDA)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-18T16:34:18Z) - Accessible Instruction-Following Agent [0.0]
UVLNは、言語間視覚言語ナビゲーションのための新しい機械翻訳命令拡張フレームワークである。
我々は、標準VLNトレーニング目標を言語間エンコーダを介して多言語設定に拡張する。
Room Across Roomデータセットによる実験は、我々のアプローチの有効性を証明する。
論文 参考訳（メタデータ） (2023-05-08T23:57:26Z) - Towards Explainable AI Writing Assistants for Non-native English
Speakers [3.7953068443263174]
テキストを言い換えるためにAI記述アシスタントを使用する場合、非ネイティブ話者が直面する課題を強調します。
提案するパラフレーズに付随する説明が欠如していることから,AI文字アシスタントが生成するパラフレーズテキストを評価するのが困難であることがわかった。
我々は,AI記述アシスタントを用いたNNESの書き込み体験を向上させるために,潜在的な4つのユーザインタフェースを提案する。
論文 参考訳（メタデータ） (2023-04-05T17:51:36Z) - Revisiting the Roles of "Text" in Text Games [102.22750109468652]
本稿では,強化学習におけるテキストの役割について検討する。
本稿では,関連するコンテキスト情報を近似状態ハッシュに抽出する簡単な手法を提案する。
このような軽量なプラグインは最先端のテキストエージェントとの競合性能を実現する。
論文 参考訳（メタデータ） (2022-10-15T21:52:39Z) - Transcribing Natural Languages for The Deaf via Neural Editing Programs [84.0592111546958]
本研究の目的は,難聴者コミュニティのための自然言語文の書き起こしを目的とし,手話の発声を指示するグロス化の課題について検討することである。
以前のシーケンス・ツー・シーケンス言語モデルは、しばしば2つの異なる言語間の豊かな関係を捉えず、不満足な書き起こしにつながる。
異なる文法に拘わらず,単語の大部分を文と共有しながら,難聴コミュニケーションの容易な文を効果的に単純化することが観察された。
論文 参考訳（メタデータ） (2021-12-17T16:21:49Z) - SG-Net: Syntax Guided Transformer for Language Representation [58.35672033887343]
本稿では,言語的動機づけのある単語表現のための明示的な構文制約をアテンション機構に組み込むことにより,テキストモデリングの指導に構文を用いることを提案する。
詳細は、自己注意ネットワーク(SAN)が支援するTransformerベースのエンコーダについて、SANにSDOI設計の構文依存性を導入し、構文誘導型自己注意型SDOI-SANを形成する。
機械読解、自然言語推論、ニューラルネットワーク翻訳などの一般的なベンチマークタスクの実験は、提案したSG-Net設計の有効性を示している。
論文 参考訳（メタデータ） (2020-12-27T11:09:35Z) - Enabling Language Models to Fill in the Blanks [81.59381915581892]
文書中の任意の位置にあるテキストの欠落を予測するタスクである,テキストを埋め込むためのシンプルなアプローチを提案する。
我々は、人工的にマスキングされたテキストと隠蔽されたテキストの連結を含むシーケンスに基づいて、オフザシェルフ言語モデル(またはファインチューン)を訓練する。
言語モデリングにより,この手法により,3つの分野(短編,科学的な要約,歌詞)において,LMが文全体を効果的に埋め込むことができることを示す。
論文 参考訳（メタデータ） (2020-05-11T18:00:03Z)
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。