論文の概要: \AE THEL: Automatically Extracted Typelogical Derivations for Dutch

• arxiv url: http://arxiv.org/abs/1912.12635v2
• Date: Fri, 6 Mar 2020 15:26:59 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-17 07:46:22.693865
• Title: \AE THEL: Automatically Extracted Typelogical Derivations for Dutch
• Title（参考訳）: \AE THEL:オランダ語の自動抽出型導出
• Authors: Konstantinos Kogkalidis and Michael Moortgat and Richard Moot
• Abstract要約: AETHELはオランダ語で書かれた意味的な構成法である。 AETHELの型と導出は、LASSY Smallの構文解析に応用された抽出アルゴリズムを用いて得られる。
• 参考スコア（独自算出の注目度）: 0.8379286663107844
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We present {\AE}THEL, a semantic compositionality dataset for written Dutch. {\AE}THEL consists of two parts. First, it contains a lexicon of supertags for about 900 000 words in context. The supertags correspond to types of the simply typed linear lambda-calculus, enhanced with dependency decorations that capture grammatical roles supplementary to function-argument structures. On the basis of these types, {\AE}THEL further provides 72 192 validated derivations, presented in four formats: natural-deduction and sequent-style proofs, linear logic proofnets and the associated programs (lambda terms) for meaning composition. {\AE}THEL's types and derivations are obtained by means of an extraction algorithm applied to the syntactic analyses of LASSY Small, the gold standard corpus of written Dutch. We discuss the extraction algorithm and show how `virtual elements' in the original LASSY annotation of unbounded dependencies and coordination phenomena give rise to higher-order types. We suggest some example usecases highlighting the benefits of a type-driven approach at the syntax semantics interface. The following resources are open-sourced with {\AE}THEL: the lexical mappings between words and types, a subset of the dataset consisting of 7 924 semantic parses, and the Python code that implements the extraction algorithm.
• Abstract（参考訳）: オランダ語で書かれた意味的合成性データセットである {\ae}thel を提案する。 {\AE}THELは2つの部分からなる。 まず、コンテキストで約900万ワードのスーパータグのレキシコンを含む。 スーパータグは、単純な型付けされた線形ラムダ計算の型に対応し、関数型構造に補足する文法的役割をキャプチャする依存性装飾が強化された。 これらのタイプに基づいて、 {\ae}thel は、さらに 72 192 の検証された導出を提供し、自然推論とシークエント型証明、線形論理証明ネット、関連するプログラム(ラムダ項)の4つの形式で表される。 オランダの金標準コーパスであるLASSY Smallの構文解析に応用した抽出アルゴリズムを用いて, {\AE}THELの型と導出値を求める。 抽出アルゴリズムについて議論し,非有界依存および協調現象のLASSYアノテーションの'仮想要素'が高次型をもたらすことを示す。 構文意味論インタフェースで型駆動アプローチの利点を強調するユースケースをいくつか提案する。 単語と型間の語彙マッピング、セマンティクス解析7924からなるデータセットのサブセット、抽出アルゴリズムを実装するpythonコードである。

関連論文リスト

• Integrating Supertag Features into Neural Discontinuous Constituent Parsing [0.0]
  伝統的な選挙区の見解では、構成要素は隣接した単語で構成されており、ドイツ語のような言語で一般的である。 トランジションベースの構文解析は、大きな注釈付きコーパス上で教師あり学習を用いて生のテキストを入力した木を生成する。
  論文  参考訳（メタデータ） (2024-10-11T12:28:26Z)
• Urdu Dependency Parsing and Treebank Development: A Syntactic and Morphological Perspective [0.0]
  依存関係解析を用いて、ウルドゥー語でニュース記事を分析する。 最良ラベル付き精度(LA)は70%,未ラベル付きアタッチメントスコア(UAS)は84%であった。
  論文  参考訳（メタデータ） (2024-06-13T19:30:32Z)
• SPINDLE: Spinning Raw Text into Lambda Terms with Graph Attention [0.8379286663107844]
  モジュールは、原文入力をラムダ項で表現された意味合成のためのプログラムに変換する。 その出力は多モーダル型論理文法の階層的導出から成り立っている。
  論文  参考訳（メタデータ） (2023-02-23T14:22:45Z)
• ImPaKT: A Dataset for Open-Schema Knowledge Base Construction [10.073210304061966]
  ImPaKTは、ショッピングドメイン(商品購入ガイド)におけるC4コーパスから約2500のテキストスニペットからなるオープンスキーマ情報抽出用データセットである。 本研究では,オープンソースUL2言語モデルをデータセットのサブセットに微調整し,製品購入ガイドのコーパスから含意関係を抽出し,その結果の予測を人為的に評価することで,このアプローチの能力を評価する。
  論文  参考訳（メタデータ） (2022-12-21T05:02:49Z)
• Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
  本稿では,構成構文構造をグラフベースで組み込む手法を提案する。 また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。 on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
  論文  参考訳（メタデータ） (2022-02-22T07:40:42Z)
• Grammar-Based Grounded Lexicon Learning [68.59500589319023]
  G2L2は、構成的および基礎的な言語表現を学ぶための語彙主義的なアプローチである。 G2L2の中核には語彙エントリの集まりがあり、各単語を構文型とニューロシンボリックセマンティックプログラムにマッピングする。 G2L2は、少量のデータから新しい単語合成へと一般化することができる。
  論文  参考訳（メタデータ） (2022-02-17T18:19:53Z)
• Generalized Funnelling: Ensemble Learning and Heterogeneous Document Embeddings for Cross-Lingual Text Classification [78.83284164605473]
  emphFunnelling (Fun)は、最近提案された言語間テキスト分類手法である。 Emph Generalized Funnelling (gFun) はFunの一般化である。 gFunは、Funや最先端のベースラインよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-09-17T23:33:04Z)
• Syntactic representation learning for neural network based TTS with syntactic parse tree traversal [49.05471750563229]
  本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。 実験の結果,提案手法の有効性が示された。 複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
  論文  参考訳（メタデータ） (2020-12-13T05:52:07Z)
• A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
  本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。 異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。 これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
  論文  参考訳（メタデータ） (2020-09-23T15:45:32Z)
• Extractive Summarization as Text Matching [123.09816729675838]
  本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。 抽出した要約タスクを意味テキストマッチング問題として定式化する。 我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
  論文  参考訳（メタデータ） (2020-04-19T08:27:57Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。