Schema-Driven Actionable Insight Generation and Smart Recommendation

要約

自然言語生成 (NLG) では、洞察マイニングはデータからテキストへのタスクとみなされ、データが興味深いパターンをマイニングされ、「洞察」ステートメントに言語化されます。
「過剰生成とランク付け」パラダイムは、このような洞察を生成するために直感的に使用されます。
このプロセスの多次元性と主観性により、このプロセスは困難になります。
このペーパーでは、成長と変化を促進するためにデータから実用的な洞察を生成するためのスキーマ主導の方法を紹介します。
また、フィードバックに基づいてユーザーの関心に合わせてインサイトをランク付けする手法も導入されています。
私たちの技術を使用して生成された洞察の暫定的な定性的結果を示し、フィードバックに適応する能力を実証します。

要約(オリジナル)

In natural language generation (NLG), insight mining is seen as a data-to-text task, where data is mined for interesting patterns and verbalised into ‘insight’ statements. An ‘over-generate and rank’ paradigm is intuitively used to generate such insights. The multidimensionality and subjectivity of this process make it challenging. This paper introduces a schema-driven method to generate actionable insights from data to drive growth and change. It also introduces a technique to rank the insights to align with user interests based on their feedback. We show preliminary qualitative results of the insights generated using our technique and demonstrate its ability to adapt to feedback.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google