主观数据库
借助产品评论作为主观意见的丰富来源,我们开发了第一个销售对话的对话 AI OpinionConv,通过多次用户研究验证了生成的意见被认为是真实的,评估者也证实了意见作为决策基础的重要性。
Aug, 2023
通过考虑个性化和模棱两可性,我们创建了一个包含大约 80 万个问题和 310 万个答案的新问题回答数据集,发现考虑主观答案的个性化因素能够得到定量上更好的答案,并提供更细致的支持性观点。
Oct, 2016
使用混合专家框架,本文旨在自动学习如何判断一个产品评论是否与给定查询相关,并在一个包括 1.4 百万个问题和答案以及 13 百万个评论的语料库上评估我们的系统,Moqa,并表明它对于处理二元和开放性查询都有效,在定性研究中还展示了这个系统能够提供人工评估认为相关的评论。
Dec, 2015
本文研究如何使用数据挖掘、自然语言处理技术和本体论来提取产品方面和用户意见,并使用频繁(标记)集,讨论了提出的框架能够提取评论中所有可能的方面和意见,并通过相似性分组代表性方面,并生成输出摘要。该框架与现有基线模型相比,得到了有希望的结果。
Apr, 2014
本文提出了一种用于构建具有可调精度的知识库的方法,该方法通过概率建模用户对每个实体 - 属性对的共识,来控制知识库的精度,并介绍了三种神经网络用于拟合共识模型,并在 Google Maps 数据上进行了评估。研究表明所提出的学习模型很好地校准,并且能够成功地用于控制知识库的精度。
May, 2019
通过使用一款强大的软件,我们可以设计灵活的三维主观研究方法并构建高质量的数据集,从而准确展示三维刺激的感知质量差异,并通过实验结果证明该软件可以产生合理的三维模型主观质量评分。
Aug, 2023
介绍了一个新的 AI 任务和 Inter-Subjective Reasoning 的基线解决方案,利用 NeuroQL 数据集和 DSL,将自然语言中的 Inter-Subjective 信息自动翻译为神经符号代码,并成功结合了客观事实和主观共识的符号推理。
Mar, 2023
本文介绍一种新的数据集: LIVE In the Wild Image Quality Challenge Database,旨在解决已有的图片质量数据库由于受控条件下被损坏无法很好地反映真实情况的问题,采集了大量真实环境下采集的图片,并通过在线众包系统进行了大规模的主观评估研究,为盲目的图像质量评估算法提供基础研究和深入分析。
Nov, 2015
使用自然语言处理和语义解析的方法,在数据库查询过程中引入智能化,以帮助商业用户能够直接查询数据库。同时增加了自动可视化框架使得产品可供商业使用。
Oct, 2022