論文の概要: A Transformer-based Approach for Augmenting Software Engineering Chatbots Datasets
- arxiv url: http://arxiv.org/abs/2407.11955v1
- Date: Tue, 16 Jul 2024 17:48:44 GMT
- ステータス: 処理完了
- システム内更新日: 2024-07-17 13:43:56.101959
- Title: A Transformer-based Approach for Augmenting Software Engineering Chatbots Datasets
- Title（参考訳）: トランスフォーマーによるソフトウェアエンジニアリングチャットボットデータセットの拡張
- Authors: Ahmad Abdellatif, Khaled Badran, Diego Elias Costa, Emad Shihab,
- Abstract要約: ソフトウェアエンジニアリングデータセットを拡張するための自動トランスフォーマーベースのアプローチを提案する。
3つのソフトウェアエンジニアリングデータセットを用いて,拡張アプローチがRasa NLUの性能に与える影響を評価する。
- 参考スコア（独自算出の注目度）: 4.311626046942916
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Background: The adoption of chatbots into software development tasks has become increasingly popular among practitioners, driven by the advantages of cost reduction and acceleration of the software development process. Chatbots understand users' queries through the Natural Language Understanding component (NLU). To yield reasonable performance, NLUs have to be trained with extensive, high-quality datasets, that express a multitude of ways users may interact with chatbots. However, previous studies show that creating a high-quality training dataset for software engineering chatbots is expensive in terms of both resources and time. Aims: Therefore, in this paper, we present an automated transformer-based approach to augment software engineering chatbot datasets. Method: Our approach combines traditional natural language processing techniques with the BART transformer to augment a dataset by generating queries through synonym replacement and paraphrasing. We evaluate the impact of using the augmentation approach on the Rasa NLU's performance using three software engineering datasets. Results: Overall, the augmentation approach shows promising results in improving the Rasa's performance, augmenting queries with varying sentence structures while preserving their original semantics. Furthermore, it increases Rasa's confidence in its intent classification for the correctly classified intents. Conclusions: We believe that our study helps practitioners improve the performance of their chatbots and guides future research to propose augmentation techniques for SE chatbots.
- Abstract（参考訳）: 背景: ソフトウェア開発タスクへのチャットボットの導入は、ソフトウェア開発プロセスのコスト削減と加速の利点によって、実践者の間でますます人気を集めています。
チャットボットは自然言語理解コンポーネント(Natural Language Understanding component, NLU)を通じてユーザのクエリを理解する。
適切なパフォーマンスを得るためには、NLUには広範囲で高品質なデータセットをトレーニングする必要がある。
しかし、以前の研究では、ソフトウェアエンジニアリングチャットボットのための高品質なトレーニングデータセットの作成は、リソースと時間の両方の観点からコストがかかることが示されている。
Aims: 本論文では,ソフトウェアエンジニアリングチャットボットデータセットの強化に対して,自動トランスフォーマーベースのアプローチを提案する。
方法:本手法は,従来の自然言語処理技術とBART変換器を組み合わせることで,同義語置換とパラフレージングによるクエリ生成により,データセットを増強する。
3つのソフトウェアエンジニアリングデータセットを用いて,拡張アプローチがRasa NLUの性能に与える影響を評価する。
結果: 全体として, 拡張アプローチはRasaの性能向上に有望な結果を示し, 元のセマンティクスを保ちながら, 様々な文構造を持つクエリを増強する。
さらに、正しく分類された意図に対する意図分類に対するラサの信頼を高める。
結論: この研究は, 実践者がチャットボットの性能を向上させるのに役立ち, 今後の研究を指導し, SEチャットボットの強化技術を提案する。
関連論文リスト
- An Approach for Auto Generation of Labeling Functions for Software Engineering Chatbots [3.1911318265930944]
ラベル付きユーザクエリからパターンを抽出し,ラベル付け関数(LF)を自動的に生成する手法を提案する。
提案手法の有効性を,4種類のSEデータセットのクエリに適用することで評価する。
論文 参考訳（メタデータ） (2024-10-09T17:34:14Z) - Body Transformer: Leveraging Robot Embodiment for Policy Learning [51.531793239586165]
ボディートランスフォーマー(ボディートランスフォーマー、Body Transformer、BoT)は、学習プロセスを導く誘導バイアスを提供することで、ロボットの体現性を活用するアーキテクチャである。
我々はロボットの体をセンサーとアクチュエータのグラフとして表現し、建築全体を通してプール情報にマスキングされた注意を頼りにしている。
結果として得られるアーキテクチャは、バニラ変換器と古典的な多層パーセプトロンを、タスク完了、スケーリング特性、計算効率の点で上回る。
論文 参考訳（メタデータ） (2024-08-12T17:31:28Z) - Distinguishing Chatbot from Human [1.1249583407496218]
我々は,75万以上の人文文からなる新しいデータセットを開発した。
このデータセットに基づいて、テキストの起源を決定するために機械学習(ML)技術を適用する。
提案手法は高い分類精度を提供し,テキスト解析に有用なツールである。
論文 参考訳（メタデータ） (2024-08-03T13:18:04Z) - Learning Manipulation by Predicting Interaction [85.57297574510507]
本稿では,インタラクションを予測して操作を学習する一般的な事前学習パイプラインを提案する。
実験の結果,MPIは従来のロボットプラットフォームと比較して10%から64%向上していることがわかった。
論文 参考訳（メタデータ） (2024-06-01T13:28:31Z) - Large language model-powered chatbots for internationalizing student support in higher education [0.0]
本研究は、GPT-3.5とGPT-4 Turboを高等教育に統合し、国際化とデジタルトランスフォーメーションを活用することを目的とする。
学生のエンゲージメント、情報アクセス、サポートを改善するために、LLM(Large Language Models)の設計、実装、および応用に力を注いでいる。
論文 参考訳（メタデータ） (2024-03-16T23:50:19Z) - Multi-Purpose NLP Chatbot : Design, Methodology & Conclusion [0.0]
本研究は,現在あるチャットボット技術環境を網羅的に分析するものである。
ユーザインタラクションと会話体験を改善するために強化学習戦略を利用する、非常に柔軟なシステムを提供する。
チャットボット技術の発展の複雑さと、これらの開発を推進してきた要因と、それらが様々な分野に及ぼした影響についても検討する。
論文 参考訳（メタデータ） (2023-10-13T09:47:24Z) - XDBERT: Distilling Visual Information to BERT from Cross-Modal Systems
to Improve Language Understanding [73.24847320536813]
本研究では,事前学習したマルチモーダル変換器から事前学習した言語エンコーダへの視覚情報の蒸留について検討する。
我々のフレームワークは,NLUの言語重み特性に適応するために学習目標を変更する一方で,視覚言語タスクにおけるクロスモーダルエンコーダの成功にインスパイアされている。
論文 参考訳（メタデータ） (2022-04-15T03:44:00Z) - On the validity of pre-trained transformers for natural language
processing in the software engineering domain [78.32146765053318]
ソフトウェア工学データを用いて訓練されたBERT変換器モデルと一般領域データに基づく変換器との比較を行った。
ソフトウェアエンジニアリングのコンテキストを理解するために必要なタスクに対しては,ソフトウェアエンジニアリングデータの事前学習が重要であることを示す。
論文 参考訳（メタデータ） (2021-09-10T08:46:31Z) - Put Chatbot into Its Interlocutor's Shoes: New Framework to Learn
Chatbot Responding with Intention [55.77218465471519]
本稿では,チャットボットに人間のような意図を持つための革新的なフレームワークを提案する。
我々のフレームワークには、ガイドロボットと人間の役割を担うインターロケータモデルが含まれていた。
本フレームワークを3つの実験的なセットアップを用いて検討し,4つの異なる指標を用いた誘導ロボットの評価を行い,柔軟性と性能の利点を実証した。
論文 参考訳（メタデータ） (2021-03-30T15:24:37Z) - Pretrained Transformers for Text Ranking: BERT and Beyond [53.83210899683987]
このサーベイは、トランスフォーマーとして知られるニューラルネットワークアーキテクチャによるテキストランキングの概要を提供する。
トランスフォーマーと自己教師型事前学習の組み合わせは、自然言語処理のパラダイムシフトの原因となっている。
論文 参考訳（メタデータ） (2020-10-13T15:20:32Z) - Chatbot Interaction with Artificial Intelligence: Human Data
Augmentation with T5 and Language Transformer Ensemble for Text
Classification [2.492300648514128]
本稿では,タスク分類のための深層学習チャットボットの訓練へのアプローチとして,人工知能(CI-AI)フレームワークを提案する。
このインテリジェントシステムは、大量のトレーニングデータを生成するために、人工的なパラフレーズによって人為的なデータを増強する。
トレーニングデータをT5モデルで拡張すると,すべてのモデルが改善されることがわかった。
論文 参考訳（メタデータ） (2020-10-12T19:37:18Z)
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。