データ入力形式におけるカテゴリー場の自動充填のための機械学習アプローチ【JST・京大機械翻訳】

Belgacem Hichem; Li Xiaochen; Bianculli Domenico; Briand Lionel C.

プレプリント

J-GLOBAL ID：202202212775471486 整理番号：22P0291184

データ入力形式におけるカテゴリー場の自動充填のための機械学習アプローチ【JST・京大機械翻訳】

A Machine Learning Approach for Automated Filling of Categorical Fields in Data Entry Forms

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (4件)： , , ,
資料名：
発行年： 2022年02月17日プレプリントサーバーでの情報更新日： 2022年04月28日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

※このプレプリント論文は学術誌に掲載済みです。なお、学術誌掲載の際には一部内容が変更されている可能性があります。

ユーザはデータ入力形式を通してソフトウェアシステムと頻繁に相互作用する。しかし,形状充填は時間がかかり,誤差が容易である。形式における自動完全またはプレフィルフィールドに対するいくつかの技法が提案されているが,ユーザがカテゴリー分野,即ち,ユーザが大きなオプション間の正しい値を選択するのに必要な分野を支援するのを助けるための限られたサポートを提供する。本論文では,データ入力形式におけるカテゴリーフィールドを埋めるための学習ベース自動化アプローチであるLAFFを提案した。LAFFは,歴史的入力インスタンスの集合から,フィールド依存性を学習することにより,Bayesネットワークモデルを最初に構築し,過去に満たされている場の値を表す。その学習能力を改善するために,LAFFは局所モデリングを用いて,入力インスタンスのクラスタにおける場の局所依存性を効果的にマイニングする。形態充填相の間,LAFFは,形態とそれらの依存性の既に満たされた分野における値に基づいて,目標場の可能な値を予測するために,そのようなモデルを使用する。次に,予測値(フィールド依存性と予測信頼度に基づく)を,提案のリストとしてエンドユーザに提供した。2つのデータセット,それらの1つが銀行ドメインから所有する形で,その有効性と効率を評価することによってLAFFを評価した。実験結果は,LAFFが0.73以上の平均Reciprocal Rank値で正確な提案を提供できることを示した。さらに,LAFFは効率的であり,提案当たり約317msを必要とする。【JST・京大機械翻訳】

, , , , , , , ,
, , , , , , 【Automatic Indexing@JST】

人工知能

, , ,

前のページに戻る