SeBERTによる問題型の予測【JST・京大機械翻訳】

Trautsch Alexander; Herbold Steffen

プレプリント

J-GLOBAL ID：202202218547765370 整理番号：22P0342524

SeBERTによる問題型の予測【JST・京大機械翻訳】

Predicting Issue Types with seBERT

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05月03日プレプリントサーバーでの情報更新日： 2022年05月03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)

事前訓練された変圧器モデルは,自然言語モデル処理のための現在の最先端技術であり,seBERTはそのようなモデルであり,BERTアーキテクチャに基づいて開発されたが,ソフトウェア工学データによるスクラッチから訓練された。問題タイプ予測のタスクに対するNLBSEチャレンジのためにこのモデルを微調整した。著者らのモデルは,全F1スコア85.7%を達成するために,リコールとプリシオ}の両方における3つの問題タイプすべてに対して,ベースライン高速Textを優位にし,それは,ベースライン上で4.1%の増加である。【JST・京大機械翻訳】

, , , ,
, 【Automatic Indexing@JST】

計算機システム開発 , 人工知能 , 医用情報処理 , パターン認識

前のページに戻る