論文の概要: AutoIntent: AutoML for Text Classification

• arxiv url: http://arxiv.org/abs/2509.21138v1
• Date: Thu, 25 Sep 2025 13:27:52 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-26 20:58:12.93446
• Title: AutoIntent: AutoML for Text Classification
• Title（参考訳）: AutoIntent: テキスト分類のためのAutoML
• Authors: Ilya Alekseev, Roman Solomatin, Darina Rustamova, Denis Kuznetsov,
• Abstract要約: AutoIntentは、埋め込みモデル選択、分類器最適化、決定しきい値チューニングを備えたエンドツーエンドの自動化を提供する。 AutoIntentは、標準的なインテント分類データセット上の既存のAutoMLツールよりも優れたパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 0.17443798468907715
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: AutoIntent is an automated machine learning tool for text classification tasks. Unlike existing solutions, AutoIntent offers end-to-end automation with embedding model selection, classifier optimization, and decision threshold tuning, all within a modular, sklearn-like interface. The framework is designed to support multi-label classification and out-of-scope detection. AutoIntent demonstrates superior performance compared to existing AutoML tools on standard intent classification datasets and enables users to balance effectiveness and resource consumption.
• Abstract（参考訳）: AutoIntentは、テキスト分類タスクのための自動機械学習ツールである。 既存のソリューションとは異なり、AutoIntentは組み込みモデル選択、分類器最適化、決定しきい値チューニングを備えたエンドツーエンドの自動化を提供する。 このフレームワークは、マルチラベル分類とスコープ外検出をサポートするように設計されている。 AutoIntentは、標準的な意図分類データセット上の既存のAutoMLツールよりも優れたパフォーマンスを示し、ユーザが有効性とリソース消費のバランスをとることができる。

関連論文リスト

• AutoM3L: An Automated Multimodal Machine Learning Framework with Large Language Models [6.496539724366041]
  本稿では,革新的マルチモーダル機械学習フレームワークAutoM3Lを紹介する。 AutoM3Lはデータモダリティを理解し、ユーザ要求に基づいて適切なモデルを選択する。 6つの多様なマルチモーダルデータセット上でのAutoM3Lの性能評価を行った。
  論文  参考訳（メタデータ） (2024-08-01T16:01:51Z)
• AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models [31.816755598468077]
  AutoMMは、わずか3行のコードで基礎モデルの微調整を可能にする。 AutoMMは、分類、回帰、オブジェクト検出、セマンティックマッチング、イメージセグメンテーションにまたがる、包括的な機能スイートを提供する。
  論文  参考訳（メタデータ） (2024-04-24T22:28:12Z)
• AutoAct: Automatic Agent Learning from Scratch for QA via Self-Planning [54.47116888545878]
  AutoActはQAのための自動エージェント学習フレームワークである。 大規模アノテートデータやクローズドソースモデルからの合成計画軌道は依存していない。
  論文  参考訳（メタデータ） (2024-01-10T16:57:24Z)
• AutoGL: A Library for Automated Graph Learning [67.63587865669372]
  グラフ上での機械学習を自動化するための,最初の専用ライブラリであるAutomated Graph Learning(AutoGL)を紹介する。 AutoGLはオープンソースで、使いやすく、拡張も柔軟です。 また、パイプラインのカスタマイズとアプリケーションの強化を容易にする、AutoGLの軽量バージョンであるAutoGL-lightも紹介します。
  論文  参考訳（メタデータ） (2021-04-11T10:49:23Z)
• Leveraging Automated Machine Learning for Text Classification: Evaluation of AutoML Tools and Comparison with Human Performance [0.07734726150561087]
  この研究では、13の異なるポピュラーデータセット上の4つのAutoMLツールを比較します。 その結果、AutoMLツールは13のタスクのうち4つで機械学習コミュニティよりも優れています。
  論文  参考訳（メタデータ） (2020-12-07T10:31:13Z)
• AutoFIS: Automatic Feature Interaction Selection in Factorization Models for Click-Through Rate Prediction [75.16836697734995]
  自動特徴相互作用選択(AutoFIS)と呼ばれる2段階のアルゴリズムを提案する。 AutoFISは、目標モデルを収束させるためにトレーニングするのと同等の計算コストで、因子化モデルに対する重要な特徴的相互作用を自動的に識別することができる。 AutoFISはHuawei App Storeレコメンデーションサービスのトレーニングプラットフォームにデプロイされている。
  論文  参考訳（メタデータ） (2020-03-25T06:53:54Z)

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。