کد مقاله کد نشریه سال انتشار مقاله انگلیسی نسخه تمام متن
4945773 1438949 2017 8 صفحه PDF دانلود رایگان
عنوان انگلیسی مقاله ISI
The human touch: How non-expert users perceive, interpret, and fix topic models
ترجمه فارسی عنوان
لمس انسان: کاربران غیر متخصص چگونه مدل های موضوع را درک می کنند، تفسیر و رفع می کنند
کلمات کلیدی
مدل سازی موضوع مطالعه کاربر تعاملات ابتکاری
ترجمه چکیده
مدل سازی موضوع یک ابزار رایج برای درک بخش های متن بزرگ است، اما به طور معمول به عنوان یک آن را به عنوان یک یا آن را ترک؟ گزاره. درک دانش بشری در یادگیری بی نظیر یک رویکرد امیدوارکننده برای ایجاد مدل های موضوعی با کیفیت بالا است. سیستم های تعاملی موجود و الگوریتم های مدل سازی طیف گسترده ای از عملیات پالایش را برای بیان بازخورد پشتیبانی می کنند. با این حال، تعاملات این سیستمها عمدتا توسط راحتی الگوریتمی هدایت می شود، نادیده گرفتن کاربرانی که ممکن است در زمینه مدل سازی موضوع کمبود داشته باشند. برای درک بهتر اینکه چگونه کاربران غیر متخصص، درک، ارزیابی و اصلاح موضوعات را انجام داده، دو مطالعه ی کاربر انجام داده اند: یک مطالعه مصاحبه ی شخصی و یک مطالعه ی آنلاین. این مطالعات نشان می دهد که بین آنچه کاربران غیر متخصص می خواهید و عملیات پیچیده و سطح پایین که سیستم های تعاملی فعلی را پشتیبانی می کنند، قطع ارتباط وجود دارد. به طور خاص، یافته های ما عبارتند از: (1) تجزیه و تحلیل نحوه استفاده از کاربران غیر متخصص مدل های موضوع؛ (2) مشخص نمودن عملیات پالایش اولیه که توسط کاربران غیر متخصص مورد انتظار است و توسط ترجیحات نسبی سفارش می شود؛ (3) شواهد بیشتر از مزایای حمایت از کاربران در مستقیما پالایش یک مدل موضوع؛ (4) مفاهیم طراحی برای رابط های مدل سازی آینده موضوع انسان در حلقه.
موضوعات مرتبط
مهندسی و علوم پایه مهندسی کامپیوتر هوش مصنوعی
پیش نمایش مقاله
لمس انسان: کاربران غیر متخصص چگونه مدل های موضوع را درک می کنند، تفسیر و رفع می کنند
چکیده انگلیسی
Topic modeling is a common tool for understanding large bodies of text, but is typically provided as a “take it or leave it” proposition. Incorporating human knowledge in unsupervised learning is a promising approach to create high-quality topic models. Existing interactive systems and modeling algorithms support a wide range of refinement operations to express feedback. However, these systems' interactions are primarily driven by algorithmic convenience, ignoring users who may lack expertise in topic modeling. To better understand how non-expert users understand, assess, and refine topics, we conducted two user studies-an in-person interview study and an online crowdsourced study. These studies demonstrate a disconnect between what non-expert users want and the complex, low-level operations that current interactive systems support. In particular, our findings include: (1) analysis of how non-expert users perceive topic models; (2) characterization of primary refinement operations expected by non-expert users and ordered by relative preference; (3) further evidence of the benefits of supporting users in directly refining a topic model; (4) design implications for future human-in-the-loop topic modeling interfaces.
ناشر
Database: Elsevier - ScienceDirect (ساینس دایرکت)
Journal: International Journal of Human-Computer Studies - Volume 105, September 2017, Pages 28-42
نویسندگان
, , , , , ,