Fugu-MT 論文翻訳(概要): Learning-based models for building user profiles for personalized information access

論文の概要: Learning-based models for building user profiles for personalized information access

arxiv url: http://arxiv.org/abs/2405.15791v1
Date: Sat, 04 May 2024 13:26:26 GMT
ステータス: 翻訳完了
システム内更新日: 2024-11-11 01:28:30.504240
Title: Learning-based models for building user profiles for personalized information access
Title（参考訳）: パーソナライズされた情報アクセスのためのユーザプロファイル構築のための学習モデル
Authors: Minyar Sassi Hidri,
Abstract要約: 本研究は,文書の内容や情報ニーズを表現するのに使用される語彙の違いを考慮し,文献に寄与する。ディープラーニングモデルは、ドキュメントとクエリの複雑な表現を学ぶために使用される。
参考スコア（独自算出の注目度）: 0.0
License:
Abstract: This study contributes to the literature by considering the difference in vocabulary used to express document content and information needs. Users are integrated into all research phases in order to provide them with relevant information adapted to their context and their preferences meeting their precise needs. To better express document content and information during this phase, deep learning models are employed to learn complex representations of documents and queries. These models can capture hierarchical, sequential, or attention-based patterns in textual data.
Abstract（参考訳）: 本研究は,文書の内容や情報ニーズを表現するのに使用される語彙の違いを考慮し,文献に寄与する。ユーザは、コンテキストに適合した関連情報と、正確なニーズを満たす好みを提供するために、すべての研究フェーズに統合される。このフェーズにおいて、ドキュメントの内容と情報をより良く表現するために、ドキュメントとクエリの複雑な表現を学ぶためにディープラーニングモデルが使用される。これらのモデルは、テキストデータ内の階層的、シーケンシャル、または注意に基づくパターンをキャプチャすることができる。

関連論文リスト

Document Parsing Unveiled: Techniques, Challenges, and Prospects for Structured Information Extraction [23.47150047875133]
文書解析は、構造化されていない文書と半構造化された文書を機械可読データに変換するのに不可欠である。文書解析は知識ベースの構築とトレーニングデータ生成において不可欠である。本稿では,モジュール型文書解析システムと複雑なレイアウト処理における視覚言語モデルが直面する課題について論じる。
論文参考訳（メタデータ） (2024-10-28T16:11:35Z)
Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
論文参考訳（メタデータ） (2024-10-03T17:49:09Z)
Query-oriented Data Augmentation for Session Search [71.84678750612754]
本稿では,検索ログの強化とモデリングの強化を目的としたクエリ指向データ拡張を提案する。検索コンテキストの最も重要な部分を変更することで補足的なトレーニングペアを生成する。我々は、現在のクエリを変更するためのいくつかの戦略を開発し、その結果、様々な難易度で新しいトレーニングデータを得る。
論文参考訳（メタデータ） (2024-07-04T08:08:33Z)
Instruct and Extract: Instruction Tuning for On-Demand Information Extraction [86.29491354355356]
On-Demand Information extractは、現実世界のユーザのパーソナライズされた要求を満たすことを目的としている。 InstructIEというベンチマークを、自動生成したトレーニングデータと、人手による注釈付きテストセットの両方を含む形で提示する。 InstructIE 上に構築した On-Demand Information Extractor, ODIE をさらに発展させる。
論文参考訳（メタデータ） (2023-10-24T17:54:25Z)
Leveraging Contextual Information for Effective Entity Salience Detection [21.30389576465761]
クロスエンコーダアーキテクチャを用いた中規模言語モデルの微調整により,機能工学的アプローチよりも優れた性能が得られることを示す。また、命令調整言語モデルのゼロショットプロンプトは、タスクの特異性と複雑さを示す劣った結果をもたらすことを示す。
論文参考訳（メタデータ） (2023-09-14T19:04:40Z)
Foundational Models Defining a New Era in Vision: A Survey and Outlook [151.49434496615427]
視覚シーンの構成的性質を観察し、推論する視覚システムは、我々の世界を理解するのに不可欠である。モデルは、このようなモダリティと大規模なトレーニングデータとのギャップを埋めることを学び、コンテキスト推論、一般化、テスト時の迅速な機能を容易にした。このようなモデルの出力は、例えば、バウンディングボックスを設けて特定のオブジェクトをセグメント化したり、画像や映像シーンについて質問したり、言語命令でロボットの動作を操作することで対話的な対話を行うなど、リトレーニングすることなく、人為的なプロンプトによって変更することができる。
論文参考訳（メタデータ） (2023-07-25T17:59:18Z)
A Personalized Reinforcement Learning Summarization Service for Learning Structure from Unstructured Data [4.082216579462796]
要約は階層的パーソナライズされた概念ベースの要約アプローチである。文書を簡潔な階層的な概念マップに合成し、ユーザの好みを学習し、適応することによって、積極的にユーザと対話する。
論文参考訳（メタデータ） (2023-07-09T01:19:08Z)
Data Cards: Purposeful and Transparent Dataset Documentation for Responsible AI [0.0]
我々は、データセットの透明性、目的、人間中心のドキュメンテーションを促進するためのデータカードを提案する。データカードは、利害関係者が必要とするMLデータセットのさまざまな側面に関する重要な事実の要約である。実世界のユーティリティと人間中心性にデータカードを基盤とするフレームワークを提示する。
論文参考訳（メタデータ） (2022-04-03T13:49:36Z)
Generating More Pertinent Captions by Leveraging Semantics and Style on Multi-Source Datasets [56.018551958004814]
本稿では,データソースの非一様結合をトレーニングすることで,流動的な記述を生成するタスクに対処する。ノイズの多い画像とテキストのペアを持つ大規模データセットは、サブ最適の監視源を提供する。本稿では,検索コンポーネントから抽出したスタイルトークンとキーワードを組み込むことにより,セマンティクスと記述スタイルを活用・分離することを提案する。
論文参考訳（メタデータ） (2021-11-24T19:00:05Z)
Reusable Templates and Guides For Documenting Datasets and Models for Natural Language Processing and Generation: A Case Study of the HuggingFace and GEM Data and Model Cards [11.251235763359862]
再利用可能なドキュメンテーションテンプレートの開発を目的とした取り組みについて,2つのケーススタディを提示する。本稿では,これらのテンプレートの開発プロセスについて述べる。
論文参考訳（メタデータ） (2021-08-16T23:15:09Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。