論文の概要: AddrLLM: Address Rewriting via Large Language Model on Nationwide Logistics Data

• arxiv url: http://arxiv.org/abs/2411.13584v1
• Date: Sun, 17 Nov 2024 07:32:46 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-22 15:20:33.836872
• Title: AddrLLM: Address Rewriting via Large Language Model on Nationwide Logistics Data
• Title（参考訳）: AddrLLM: Nationwide Logistics Data上の大規模言語モデルによるアドレス書き換え
• Authors: Qinchen Yang, Zhiqing Hong, Dongjiang Cao, Haotian Wang, Zejun Xie, Tian He, Yunhuai Liu, Yu Yang, Desheng Zhang,
• Abstract要約: 本稿では,検索拡張大言語モデル上に構築されたアドレス書き換えのための革新的なフレームワークであるAddrLLMを紹介する。 これは、厳密に設計されたSupervised Fine-Tuningモジュール、アドレス中心のRetrieval Augmented Generationモジュール、バイアスフリーのObjective Alignmentモジュールによって、上記の制限を克服する。 パーセルの再ローティングの速度を約43%削減し、現実の応用では例外的な効果を誇示している。
• 参考スコア（独自算出の注目度）: 15.64626282181379
• License:
• Abstract: Textual description of a physical location, commonly known as an address, plays an important role in location-based services(LBS) such as on-demand delivery and navigation. However, the prevalence of abnormal addresses, those containing inaccuracies that fail to pinpoint a location, have led to significant costs. Address rewriting has emerged as a solution to rectify these abnormal addresses. Despite the critical need, existing address rewriting methods are limited, typically tailored to correct specific error types, or frequently require retraining to process new address data effectively. In this study, we introduce AddrLLM, an innovative framework for address rewriting that is built upon a retrieval augmented large language model. AddrLLM overcomes aforementioned limitations through a meticulously designed Supervised Fine-Tuning module, an Address-centric Retrieval Augmented Generation module and a Bias-free Objective Alignment module. To the best of our knowledge, this study pioneers the application of LLM-based address rewriting approach to solve the issue of abnormal addresses. Through comprehensive offline testing with real-world data on a national scale and subsequent online deployment, AddrLLM has demonstrated superior performance in integration with existing logistics system. It has significantly decreased the rate of parcel re-routing by approximately 43\%, underscoring its exceptional efficacy in real-world applications.
• Abstract（参考訳）: アドレスとして知られる物理的な位置のテキスト記述は、オンデマンド配信やナビゲーションといった位置情報ベースのサービス(LBS)において重要な役割を果たす。 しかし、位置を特定できない不正確さを含む異常なアドレスの頻度は、かなりのコストをもたらしている。 アドレス書き換えは、これらの異常アドレスを修正するためのソリューションとして登場した。 重要な必要性にもかかわらず、既存のアドレス書き換えメソッドは制限されており、通常は特定のエラータイプを修正するように調整される。 本研究では,検索拡張大言語モデルに基づくアドレス書き換えのための革新的なフレームワークであるAddrLLMを紹介する。 AddrLLMは、厳密に設計されたSupervised Fine-Tuningモジュール、アドレス中心のRetrieval Augmented Generationモジュール、バイアスフリーのObjective Alignmentモジュールによって、上記の制限を克服する。 我々の知る限り、この研究は、異常アドレスの問題を解決するためにLLMベースのアドレス書き換えアプローチを開拓した。 全国規模の実世界のデータによる総合的なオフラインテストとその後のオンライン展開を通じて、AddrLLMは既存の物流システムとの統合において優れたパフォーマンスを示している。 実世界の応用においては, パーセル再資源化率を約43 %削減し, 極めて有効性を示した。

関連論文リスト

• Reinforcement Learning for Long-Horizon Interactive LLM Agents [56.9860859585028]
  インタラクティブデジタルエージェント(IDA)は、ステートフルなデジタル環境のAPIを利用して、ユーザの要求に応じてタスクを実行する。 対象環境で直接IDAを訓練する強化学習(RL)手法を提案する。 我々は、近似ポリシー最適化のデータおよびメモリ効率の亜種である LOOP を導出する。
  論文  参考訳（メタデータ） (2025-02-03T18:35:42Z)
• What Really Matters for Learning-based LiDAR-Camera Calibration [50.2608502974106]
  本稿では,学習に基づくLiDAR-Cameraキャリブレーションの開発を再考する。 我々は、広く使われているデータ生成パイプラインによる回帰ベースの手法の限界を識別する。 また,入力データ形式と前処理操作がネットワーク性能に与える影響についても検討する。
  論文  参考訳（メタデータ） (2025-01-28T14:12:32Z)
• DrLLM: Prompt-Enhanced Distributed Denial-of-Service Resistance Method with Large Language Models [4.171555557592296]
  本稿では,Large Language Models (LLM) を用いたゼロショットシナリオにおける異常なトラフィック情報のマイニングを目的としたDrLLMを提案する。 DrLLMと既存のアプローチのギャップを埋めるために、トラフィックデータのグローバルおよびローカル情報を推論パラダイムに組み込み、知識埋め込み、トークン埋め込み、プログレッシブロール推論という3つのモジュールを設計する。 我々のアブレーション実験は、ゼロショットシナリオにおけるDrLLMの適用性を実証し、ネットワーク領域におけるLLMの可能性をさらに実証する。
  論文  参考訳（メタデータ） (2024-09-11T14:41:44Z)
• A New Pipeline For Generating Instruction Dataset via RAG and Self Fine-Tuning [0.0]
  本研究では,特定のドメインを微調整するための高品質な命令データセットを構築するパイプラインを提案する。 ドメイン固有の文書を取り込み、パイプラインは関連性のある適切な命令を生成する。 ケーススタディでは、専門知識と患者情報の繊細な取り扱いを必要とする領域である精神医学の領域にこのアプローチを適用した。
  論文  参考訳（メタデータ） (2024-08-12T03:52:11Z)
• REVS: Unlearning Sensitive Information in Language Models via Rank Editing in the Vocabulary Space [35.61862064581971]
  言語モデル(LM)は、トレーニングデータに見られる機密情報や個人識別可能な情報(PII)を不注意に記憶・拡散し、プライバシー上の懸念を引き起こすリスクがある。 LMから機密情報を学習する非段階的手法であるREVSを提案する。
  論文  参考訳（メタデータ） (2024-06-13T17:02:32Z)
• Improvement in Semantic Address Matching using Natural Language Processing [16.09672533759915]
  アドレスマッチングは多くの企業にとって,特にデリバリや企業の取り出しにおいて重要なタスクです。 既存のソリューションでは文字列の類似性を使用し、距離アルゴリズムを編集して、アドレスデータベースから類似したアドレスを見つける。 本稿では,可能なアドレスのリストから特定のアドレスを検索できるセマンティックアドレスマッチング手法について論じる。
  論文  参考訳（メタデータ） (2024-04-17T18:42:36Z)
• Informative Data Mining for One-Shot Cross-Domain Semantic Segmentation [84.82153655786183]
  Informative Data Mining (IDM) と呼ばれる新しいフレームワークを提案し、セマンティックセグメンテーションのための効率的なワンショットドメイン適応を実現する。 IDMは、最も情報性の高いサンプルを特定するために不確実性に基づく選択基準を提供し、迅速に適応し、冗長なトレーニングを減らす。 提案手法は,GTA5/SYNTHIAからCityscapesへの適応タスクにおいて,既存の手法より優れ,56.7%/55.4%の最先端のワンショット性能を実現している。
  論文  参考訳（メタデータ） (2023-09-25T15:56:01Z)
• Improving Address Matching using Siamese Transformer Networks [0.0]
  本研究では,ポルトガル語アドレスに対するアドレスマッチングの効率向上を目的としたディープラーニングモデルを提案する。 このモデルはポルトガルのアドレスの実際のシナリオでテストされ、高い精度を示し、ドアレベルで95%を超えている。
  論文  参考訳（メタデータ） (2023-07-05T13:58:26Z)
• Improving information retention in large scale online continual learning [99.73847522194549]
  オンライン連続学習は、既存の知識を維持しながら、新しいデータに効率的に適応することを目的としている。 最近の研究は、リプレイバッファが無制限であっても、大規模なOCLでは情報保持が問題であり続けていることを示唆している。 非定常目標に対する最適化を改善するため,移動平均の手法群を提案する。
  論文  参考訳（メタデータ） (2022-10-12T16:59:43Z)
• Stagewise Unsupervised Domain Adaptation with Adversarial Self-Training for Road Segmentation of Remote Sensing Images [93.50240389540252]
  リモートセンシング画像からの道路セグメンテーションは、幅広い応用可能性を持つ課題である。 本稿では,この領域における領域シフト(DS)問題に対処するため,RoadDAと呼ばれる新たな段階的ドメイン適応モデルを提案する。 2つのベンチマーク実験の結果、RoadDAはドメインギャップを効率的に減らし、最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2021-08-28T09:29:14Z)
• Style Normalization and Restitution for Generalizable Person Re-identification [89.482638433932]
  我々は、ソースドメイン上でモデルをトレーニングするが、ターゲットドメイン上での一般化や性能をよく行うことのできる、一般化可能な人物ReIDフレームワークを設計する。 本稿では,シンプルで効果的なスタイル正規化・再構成(SNR)モジュールを提案する。 SNRモジュールによって強化された我々のモデルは、複数の広く使われているReIDベンチマークにおいて最先端のドメイン一般化アプローチよりも大幅に優れている。
  論文  参考訳（メタデータ） (2020-05-22T07:15:10Z)

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。