Nemo:対話型データプログラミングのための弱い監視の案内と文脈化【JST・京大機械翻訳】

Hsieh Cheng-Yu; Zhang Jieyu; Ratner Alexander

プレプリント

J-GLOBAL ID：202202221181625270 整理番号：22P0298032

Nemo:対話型データプログラミングのための弱い監視の案内と文脈化【JST・京大機械翻訳】

Nemo: Guiding and Contextualizing Weak Supervision for Interactive Data Programming

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 (3件)： , ,
資料名：
発行年： 2022年03月02日プレプリントサーバーでの情報更新日： 2022年10月23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)

弱いスーパービジョン(WS)技法は,ユーザが,監督の発見的情報源によるプログラム的ラベリングデータによって,大規模訓練データセットを効率的に作成することを可能にする。WSの成功は,与えられたラベル付けヒューリスティックスに大きく依存したが,これらの発見的方法がどのように実際に作成されたかのプロセスは,未開発のままである。本研究では,ユーザが発見的ソースを設計するための開発データの選択された集合からアイデアを出す既存のワークフローの周りに構築される対話型手続きとして,ラベリングヒューリスティックの開発プロセスを定式化した。形式によって,著者らは,効率的に有益な発見的方法を作り出す際にユーザを導くために,開発データを戦略的に選択する方法の2つのコア問題を研究して,そして,得られた発見的方法から文脈化して,より良い学習のために,開発プロセスの中で情報を利用する方法を研究した。考察したそれぞれの問題を効果的に取り組む2つの新規な方法論に基づいて,著者らは,WS学習パイプラインの全体的生産性を平均20%(1つのタスクで47%まで)で,一般的なWSアプローチと比較して,エンドツーエンド対話型システムであるNemoを提示する。【JST・京大機械翻訳】

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

人間機械系

, , ,

前のページに戻る