Buchumschlag

AutoIntent: AutoML for Text Classification

Fuente: arXiv

Gespeichert in:

Bibliographische Detailangaben
Hauptverfasser:	Alekseev, Ilya, Solomatin, Roman, Rustamova, Darina, Kuznetsov, Denis
Format:	Preprint
Veröffentlicht:	2025
Schlagworte:	Computation and Language
Online-Zugang:	Acceder al recurso
Tags:	Tag hinzufügen Keine Tags, Fügen Sie den ersten Tag hinzu!

Ähnliche Einträge

ML2B: Multi-Lingual ML Benchmark For AutoML
von: Trofimova, Ekaterina, et al.
Veröffentlicht: (2025)

AutoML-Agent: A Multi-Agent LLM Framework for Full-Pipeline AutoML
von: Trirat, Patara, et al.
Veröffentlicht: (2024)

OpenAutoNLU: Open Source AutoML Library for NLU
von: Arshinov, Grigory, et al.
Veröffentlicht: (2026)

AutoML-guided Fusion of Entity and LLM-based Representations for Document Classification
von: Koloski, Boshko, et al.
Veröffentlicht: (2024)

UniAutoML: A Human-Centered Framework for Unified Discriminative and Generative AutoML with Large Language Models
von: Guo, Jiayi, et al.
Veröffentlicht: (2024)

Sentiment and Emotion Classification of Indonesian E-Commerce Reviews via Multi-Task BiLSTM and AutoML Benchmarking
von: Manurung, Hermawan, et al.
Veröffentlicht: (2026)

AI-based Classification of Customer Support Tickets: State of the Art and Implementation with AutoML
von: Truss, Mario, et al.
Veröffentlicht: (2024)

ZeroML: A Next Generation AutoML Language
von: Mahmud, Monirul Islam
Veröffentlicht: (2025)

I-MCTS: Enhancing Agentic AutoML via Introspective Monte Carlo Tree Search
von: Liang, Zujie, et al.
Veröffentlicht: (2025)

Comparative Analysis of AutoML and BiLSTM Models for Cyberbullying Detection on Indonesian Instagram Comments
von: Putri, Raihana Adelia, et al.
Veröffentlicht: (2026)

AutoML in the Age of Large Language Models: Current Challenges, Future Opportunities and Risks
von: Tornede, Alexander, et al.
Veröffentlicht: (2023)

AMQ: Enabling AutoML for Mixed-precision Weight-Only Quantization of Large Language Models
von: Lee, Sangjun, et al.
Veröffentlicht: (2025)

Benchmarking PyCaret AutoML Against BiLSTM for Fine-Grained Emotion Classification: A Comparative Study on 20-Class Emotion Detection
von: Siregar, Arya Muda, et al.
Veröffentlicht: (2026)

NNGPT: Rethinking AutoML with Large Language Models
von: Kochnev, Roman, et al.
Veröffentlicht: (2025)

A Comparative Study of PyCaret AutoML and CNN-BiLSTM for Binary Hate Speech Detection in Indonesian Twitter
von: Widiyastuti, Tanty, et al.
Veröffentlicht: (2026)

Benchmarking PyCaret AutoML Against IndoBERT Fine-Tuning for Sentiment Analysis on Indonesian IKN Twitter Data
von: Mayzaroh, Mutia Alfi, et al.
Veröffentlicht: (2026)

AutoML in The Wild: Obstacles, Workarounds, and Expectations
von: Sun, Yuan, et al.
Veröffentlicht: (2023)

Explainable AutoML (xAutoML) with adaptive modeling for yield enhancement in semiconductor smart manufacturing
von: Zhai, Weihong, et al.
Veröffentlicht: (2024)

LEMUR Neural Network Dataset: Towards Seamless AutoML
von: Goodarzi, Arash Torabi, et al.
Veröffentlicht: (2025)

Optimal Pricing for Data-Augmented AutoML Marketplaces
von: Han, Minbiao, et al.
Veröffentlicht: (2023)

XAutoLM: Efficient Fine-Tuning of Language Models via Meta-Learning and AutoML
von: Estevanell-Valladares, Ernesto L., et al.
Veröffentlicht: (2025)

AMC: AutoML for Model Compression and Acceleration on Mobile Devices
von: He, Yihui, et al.
Veröffentlicht: (2018)

HUME: Measuring the Human-Model Performance Gap in Text Embedding Tasks
von: Assadi, Adnan El, et al.
Veröffentlicht: (2025)

AutoML in Cybersecurity: An Empirical Study
von: Saad, Sherif, et al.
Veröffentlicht: (2025)

Problem-oriented AutoML in Clustering
von: da Silva, Matheus Camilo, et al.
Veröffentlicht: (2024)

The Potential of AutoML for Recommender Systems
von: Vente, Tobias, et al.
Veröffentlicht: (2024)

AutoML Systems For Medical Imaging
von: Jidney, Tasmia Tahmida, et al.
Veröffentlicht: (2023)

Extreme AutoML: Analysis of Classification, Regression, and NLP Performance
von: Ratner, Edward, et al.
Veröffentlicht: (2024)

An AutoML-based approach for Network Intrusion Detection
von: Gyimah, Nana Kankam, et al.
Veröffentlicht: (2024)

Exploring the Determinants of Pedestrian Crash Severity Using an AutoML Approach
von: Rafe, Amir, et al.
Veröffentlicht: (2024)

Can Fairness be Automated? Guidelines and Opportunities for Fairness-aware AutoML
von: Weerts, Hilde, et al.
Veröffentlicht: (2023)

BioAutoML-NAS: An End-to-End AutoML Framework for Multimodal Insect Classification via Neural Architecture Search on Large-Scale Biodiversity Data
von: Abian, Arefin Ittesafun, et al.
Veröffentlicht: (2025)

SubStrat: A Subset-Based Strategy for Faster AutoML
von: Lazebnik, Teddy, et al.
Veröffentlicht: (2022)

An AutoML Framework using AutoGluonTS for Forecasting Seasonal Extreme Temperatures
von: Rodríguez-Bocca, Pablo, et al.
Veröffentlicht: (2025)

Engineering Trustworthy Automation: Design Principles and Evaluation for AutoML Tools for Novices
von: Thys, Jarne, et al.
Veröffentlicht: (2025)

AutoGluon-Multimodal (AutoMM): Supercharging Multimodal AutoML with Foundation Models
von: Tang, Zhiqiang, et al.
Veröffentlicht: (2024)

AutoGeTS: Knowledge-based Automated Generation of Text Synthetics for Improving Text Classification
von: Xue, Chenhao, et al.
Veröffentlicht: (2025)

Robustness of AutoML on Dirty Categorical Data
von: Bueno, Marcos L. P., et al.
Veröffentlicht: (2026)

X Hacking: The Threat of Misguided AutoML
von: Sharma, Rahul, et al.
Veröffentlicht: (2024)

DREAM: Debugging and Repairing AutoML Pipelines
von: Zhang, Xiaoyu, et al.
Veröffentlicht: (2023)