論文の概要: OpenAutoNLU: Open Source AutoML Library for NLU
- arxiv url: http://arxiv.org/abs/2603.01824v1
- Date: Mon, 02 Mar 2026 12:56:54 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-03-03 19:50:56.878668
- Title: OpenAutoNLU: Open Source AutoML Library for NLU
- Title（参考訳）: OpenAutoNLU: NLU用のオープンソースAutoMLライブラリ
- Authors: Grigory Arshinov, Aleksandr Boriskin, Sergey Senichev, Ayaz Zaripov, Daria Galimzianova, Daniil Karpov, Leonid Sanochkin,
- Abstract要約: OpenAutoNLUはオープンソースの自動機械学習ライブラリである。
テキスト分類と名前付きエンティティ認識の両方をカバーしている。
ライブラリはまた、統合データ品質診断も提供する。
- 参考スコア（独自算出の注目度）: 35.02604685658811
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: OpenAutoNLU is an open-source automated machine learning library for natural language understanding (NLU) tasks, covering both text classification and named entity recognition (NER). Unlike existing solutions, we introduce data-aware training regime selection that requires no manual configuration from the user. The library also provides integrated data quality diagnostics, configurable out-of-distribution (OOD) detection, and large language model (LLM) features, all within a minimal lowcode API. The demo app is accessible here https://openautonlu.dev.
- Abstract（参考訳）: OpenAutoNLUは、自然言語理解(NLU)タスクのためのオープンソースの機械学習ライブラリで、テキスト分類と名前付きエンティティ認識(NER)の両方をカバーする。
既存のソリューションとは違って,ユーザによる手動構成を必要としない,データ認識型トレーニングシステムの選択を導入する。
ライブラリはまた、最小限のローコードAPI内で、データ品質の診断、OOD(Configurable Out-of-distriion)検出、大規模言語モデル(LLM)機能も提供する。
デモアプリはこちらからダウンロードできる。
関連論文リスト
- LightAutoDS-Tab: Multi-AutoML Agentic System for Tabular Data [11.314889511528994]
表データを用いたタスクのためのマルチオートMLエージェントシステムであるLightAutoDS-Tabを紹介する。
当社のアプローチはパイプライン設計の柔軟性と堅牢性を改善し、最先端のオープンソースソリューションよりも優れています。
論文 参考訳（メタデータ） (2025-07-17T09:33:24Z) - Deep Fast Machine Learning Utils: A Python Library for Streamlined Machine Learning Prototyping [0.0]
Deep Fast Machine Learning Utils (DFMLU)ライブラリは、機械学習プロセスのアスペクトを自動化および拡張するために設計されたツールを提供する。
DFMLUはモデル開発とデータ処理をサポートする機能を提供します。
この原稿はDFMLUの機能の概要を示し、各ツールにPythonの例を提供している。
論文 参考訳（メタデータ） (2024-09-14T21:39:17Z) - Self-play with Execution Feedback: Improving Instruction-following Capabilities of Large Language Models [54.14602121129874]
トレーニングデータを自動的に生成する最初のスケーラブルで信頼性の高いAutoIFを導入する。
AutoIFは命令追従データ品質の検証をコード検証に変換する。
論文 参考訳（メタデータ） (2024-06-19T13:29:53Z) - The Potential of AutoML for Recommender Systems [0.135975510645475]
我々は15のライブラリから60のAutoML、AutoRecSys、ML、RecSysの予測性能を比較した。
私たちは、AutoMLとAutoRecSysライブラリが14のデータセットのうち6つでベストに動作していることに気付いた。
シングルベストのライブラリはAutoRecSysライブラリのAuto-Surpriseで、5つのデータセットで最高のパフォーマンスを発揮した。
論文 参考訳（メタデータ） (2024-02-06T22:42:28Z) - OpenSLU: A Unified, Modularized, and Extensible Toolkit for Spoken
Language Understanding [57.48730496422474]
Spoken Language Understanding (SLU) はタスク指向対話システムの中核となるコンポーネントの一つである。
OpenSLUは、言語理解のための統一的でモジュール化されたツールキットを提供するオープンソースツールキットである。
論文 参考訳（メタデータ） (2023-05-17T14:12:29Z) - Finstreder: Simple and fast Spoken Language Understanding with Finite
State Transducers using modern Speech-to-Text models [69.35569554213679]
Spoken Language Understanding (SLU) では、音声コマンドから重要な情報を抽出する。
本稿では,有限状態トランスデューサにインテントやエンティティを埋め込む簡単な方法を提案する。
論文 参考訳（メタデータ） (2022-06-29T12:49:53Z) - ESPnet-SLU: Advancing Spoken Language Understanding through ESPnet [95.39817519115394]
ESPnet-SLUは、エンドツーエンドの音声処理ツールキットであるESPnetのプロジェクトである。
単一のフレームワークによる音声言語理解の迅速な開発を目的として設計されている。
論文 参考訳（メタデータ） (2021-11-29T17:05:49Z) - 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) - AutoNLU: An On-demand Cloud-based Natural Language Understanding System
for Enterprises [21.25334903155791]
Photoshopの様々な画像編集要求を処理するための実用的NLUモデルを構築した。
2つの公開ベンチマークで最先端の結果が得られる強力なキーフレーズ抽出モデルを構築した。
どちらの場合でも、エンドユーザは、データセットをAutoNLUが使用する共通フォーマットに変換するために、少量のコードを書くだけで済みます。
論文 参考訳（メタデータ） (2020-11-26T20:51:57Z)
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。