論文の概要: Research on color recipe recommendation based on unstructured data using TENN

• arxiv url: http://arxiv.org/abs/2408.09094v1
• Date: Sat, 17 Aug 2024 04:45:48 GMT
• ステータス: 処理完了
• システム内更新日: 2024-08-20 22:46:56.231947
• Title: Research on color recipe recommendation based on unstructured data using TENN
• Title（参考訳）: TENNを用いた非構造化データに基づくカラーレシピレコメンデーションに関する研究
• Authors: Seongsu Jhang, Donghwi Yoo, Jaeyong Kown,
• Abstract要約: 本稿では,感情的自然言語を用いた非構造化データに基づいて,カラーレシピを推論するTENNを提案する。 特に、明るさ、彩度、色情報などが不可欠であるプロセスにおいて、ほとんどの中小企業は、大企業を除いて、色ミキサーの暗黙の知識と感受性に依存している。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Recently, services and business models based on large language models, such as OpenAI Chatgpt, Google BARD, and Microsoft copilot, have been introduced, and the applications utilizing natural language processing with deep learning are increasing, and it is one of the natural language preprocessing methods. Conversion to machine language through tokenization and processing of unstructured data are increasing. Although algorithms that can understand and apply human language are becoming increasingly sophisticated, it is difficult to apply them to processes that rely on human emotions and senses in industries that still mainly deal with standardized data. In particular, in processes where brightness, saturation, and color information are essential, such as painting and injection molding, most small and medium-sized companies, excluding large corporations, rely on the tacit knowledge and sensibility of color mixers, and even customer companies often present non-standardized requirements. . In this paper, we proposed TENN to infer color recipe based on unstructured data with emotional natural language, and demonstrated it.
• Abstract（参考訳）: 近年、OpenAI Chatgpt、Google BARD、Microsoft copilotなどの大規模言語モデルに基づくサービスやビジネスモデルが導入され、ディープラーニングによる自然言語処理を利用したアプリケーションが増えており、自然言語前処理手法の1つである。 非構造化データのトークン化と処理による機械語への変換が増加している。 人間の言語を理解し、適用できるアルゴリズムはますます洗練されつつあるが、標準化されたデータを扱う産業において、人間の感情や感覚に依存するプロセスに適用することは困難である。 特に、絵画や射出成形など、明るさ、彩度、色情報などが不可欠であるプロセスにおいては、大企業を除くほとんどの中小企業は、色彩ミキサーの暗黙の知識と感受性に依存しており、顧客企業でさえ、しばしば標準化されていない要件を提示している。 と。 本稿では,感情的自然言語を用いた非構造化データに基づいて,カラーレシピを推論するTENNを提案し,それを実証した。

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)
• Deep Learning and Machine Learning -- Natural Language Processing: From Theory to Application [17.367710635990083]
  自然言語処理(NLP)と大規模言語モデル(LLM)の役割に焦点を当てる。 本稿では,データ前処理技術とHugging Faceのようなフレームワークを用いたトランスフォーマーモデルの実装について論じる。 マルチリンガルデータの扱い、バイアスの低減、モデルの堅牢性確保といった課題を強調している。
  論文  参考訳（メタデータ） (2024-10-30T09:35:35Z)
• Leveraging Data Augmentation for Process Information Extraction [0.0]
  自然言語テキストデータに対するデータ拡張の適用について検討する。 データ拡張は、自然言語テキストからビジネスプロセスモデルを生成するタスクのための機械学習メソッドを実現する上で重要なコンポーネントである。
  論文  参考訳（メタデータ） (2024-04-11T06:32:03Z)
• IR Design for Application-Specific Natural Language: A Case Study on Traffic Data [29.50290358564987]
  アプリケーション特化自然言語(ASNL)に対応する中間表現(IR)の設計を提案する。 提案したIR設計は,標準XMLフォーマットデータの直接使用と比較して40倍以上の高速化を実現することができる。
  論文  参考訳（メタデータ） (2023-07-13T15:52:05Z)
• Color Overmodification Emerges from Data-Driven Learning and Pragmatic Reasoning [53.088796874029974]
  話者の指示表現は、実践的な言語使用の性質を照らし出すのに役立つ方法で、コミュニケーションイデアルから逸脱していることを示す。 ニューラルネットワークを学習エージェントとして採用することにより、過度な修正は、頻度の低い、あるいは正常な環境特性に結びつく可能性が高いことを示す。
  論文  参考訳（メタデータ） (2022-05-18T18:42:43Z)
• BERTuit: Understanding Spanish language in Twitter through a native transformer [70.77033762320572]
  bfBERTuitは、これまでスペイン語のために提案された大きなトランスフォーマーで、2億3000万のスペイン語ツイートの膨大なデータセットで事前トレーニングされている。 私たちのモチベーションは、スペイン語のTwitterをよりよく理解し、このソーシャルネットワークにフォーカスしたアプリケーションに利用するための強力なリソースを提供することです。
  論文  参考訳（メタデータ） (2022-04-07T14:28:51Z)
• Context-Tuning: Learning Contextualized Prompts for Natural Language Generation [52.835877179365525]
  自然言語生成のための微調整PLMに対して,Context-Tuningと呼ばれる新しい連続的プロンプト手法を提案する。 まず、入力テキストに基づいてプロンプトを導出し、PLMから有用な知識を抽出して生成する。 第二に、生成したテキストの入力に対する関連性をさらに高めるために、連続的な逆プロンプトを用いて自然言語生成のプロセスを洗練する。
  論文  参考訳（メタデータ） (2022-01-21T12:35:28Z)
• 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)
• Sentiment analysis in tweets: an assessment study from classical to modern text representation models [59.107260266206445]
  Twitterで公開された短いテキストは、豊富な情報源として大きな注目を集めている。 非公式な言語スタイルや騒々しい言語スタイルといったそれらの固有の特徴は、多くの自然言語処理(NLP)タスクに挑戦し続けている。 本研究では,22データセットの豊富なコレクションを用いて,ツイートに表される感情を識別する既存言語モデルの評価を行った。
  論文  参考訳（メタデータ） (2021-05-29T21:05:28Z)
• SDA: Improving Text Generation with Self Data Augmentation [88.24594090105899]
  自動データ拡張のための自己模倣学習フェーズを組み込むことにより,標準最大確率推定(MLE)パラダイムを改善することを提案する。 既存の文レベルの拡張戦略とは異なり,本手法はより汎用的で,任意のMLEベースの訓練手順に容易に適応できる。
  論文  参考訳（メタデータ） (2021-01-02T01:15:57Z)

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。