スケールにおけるテキストラベリングをインフォームするための適応ディープクラスタリングパイプライン【JST・京大機械翻訳】

Chen Xinyu; Beaver Ian

プレプリント

J-GLOBAL ID：202202217585205986 整理番号：22P0283823

スケールにおけるテキストラベリングをインフォームするための適応ディープクラスタリングパイプライン【JST・京大機械翻訳】

An Adaptive Deep Clustering Pipeline to Inform Text Labeling at Scale

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 (2件)： ,
資料名：
発行年： 2022年02月01日プレプリントサーバーでの情報更新日： 2022年07月26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)

大量の自然言語入力からの潜在意図のマイニングは,顧客サービスおよび販売支援のためのデータ分析者設計および知的仮想支援(IVAs)を援助するための重要なステップである。著者らは,言語モデルの微調整,高速表面および会話テキストからの関連ユーザ意図の組織化を助けるために,言語モデルの微調整,高性能k-NNライブラリおよびコミュニティ検出技術を統合する,Verint Intent Manager(VIM)内で柔軟でスケーラブルなクラスタ化パイプラインを作成した。事前訓練された言語モデルは,ターゲットテキストが非意味ドメインから,あるいはクラスタリングタスクがトピック検出でないとき,効率的に表面特定のクラスタリング構造にテキストを符号化できないので,微調整ステップが必要である。パイプラインを記述し,3つの実世界テキストマイニングタスクでその性能と能力を実証した。VIMアプリケーションで展開されたように,このクラスタリングパイプラインは,高品質結果を生み出し,データ分析者の性能を改善し,顧客サービスデータから表面意図にかかる時間を減らし,それによって,新しいドメインでIVAsを構築,展開する時間を低減する。【JST・京大機械翻訳】

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

自然語処理 , パターン認識

, , ,

前のページに戻る