論文の概要: CASE: Context-Aware Semantic Expansion
- arxiv url: http://arxiv.org/abs/1912.13194v1
- Date: Tue, 31 Dec 2019 06:38:57 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-16 20:41:50.441366
- Title: CASE: Context-Aware Semantic Expansion
- Title(参考訳): 症例:文脈対応セマンティック展開
- Authors: Jialong Han, Aixin Sun, Haisong Zhang, Chenliang Li, Shuming Shi
- Abstract要約: 本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。
セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。
このタスクのアノテーションは,既存のコーパスから完全に自動で,大規模に抽出可能であることを示す。
- 参考スコア(独自算出の注目度): 68.30244980290742
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we define and study a new task called Context-Aware Semantic
Expansion (CASE). Given a seed term in a sentential context, we aim to suggest
other terms that well fit the context as the seed. CASE has many interesting
applications such as query suggestion, computer-assisted writing, and word
sense disambiguation, to name a few. Previous explorations, if any, only
involve some similar tasks, and all require human annotations for evaluation.
In this study, we demonstrate that annotations for this task can be harvested
at scale from existing corpora, in a fully automatic manner. On a dataset of
1.8 million sentences thus derived, we propose a network architecture that
encodes the context and seed term separately before suggesting alternative
terms. The context encoder in this architecture can be easily extended by
incorporating seed-aware attention. Our experiments demonstrate that
competitive results are achieved with appropriate choices of context encoder
and attention scoring function.
- Abstract(参考訳): 本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。
セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。
Caseには、クエリ提案、コンピュータ支援書き込み、単語感覚の曖昧さなど、多くの興味深い応用がある。
これまでの調査では、同じようなタスクしか行わず、評価には人間のアノテーションが必要でした。
本研究では,この課題に対するアノテーションを,既存のコーパスから完全に自動で大規模に抽出できることを実証する。
そこで,180万文のデータセットに対して,文脈とシード用語を別々に符号化し,代替用語を提案するネットワークアーキテクチャを提案する。
このアーキテクチャのコンテキストエンコーダは、シードアウェアの注意を組み込むことで容易に拡張できる。
実験の結果,コンテクストエンコーダとアテンションスコアリング関数の適切な選択により,競争結果が得られた。
関連論文リスト
- Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics
Interface of LMs Through Agentivity [68.8204255655161]
このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。
これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
論文 参考訳(メタデータ) (2023-05-29T16:24:01Z) - In-context Learning as Maintaining Coherency: A Study of On-the-fly
Machine Translation Using Large Language Models [15.309754694595322]
コンテキスト内学習をコンテキストとの整合性を維持するために望ましい生成タスクとして提示する。
まず、4つのドメインにまたがってランダムにサンプリングされたプロンプトを調査し、ドメイン内のプロンプトを表示すると翻訳性能が向上することを示した。
そこで本研究では,オンザフライ適応のためのインコンテキスト機械翻訳の有効性を実証する。
論文 参考訳(メタデータ) (2023-05-05T14:30:20Z) - Dense Paraphrasing for Textual Enrichment [7.6233489924270765]
文構造において(必要に)表現されない意味論をDense Paraphrasing(DP)として明示しつつ、曖昧さを低減させるような文表現(レキセムやフレーズ)を書き換えるプロセスを定義する。
我々は、最初の完全なDPデータセットを構築し、アノテーションタスクのスコープと設計を提供し、このDPプロセスがどのようにソーステキストを豊かにし、推論とQAタスクのパフォーマンスを改善するかを示す。
論文 参考訳(メタデータ) (2022-10-20T19:58:31Z) - ezCoref: Towards Unifying Annotation Guidelines for Coreference
Resolution [28.878540389202367]
クラウドソーシングに優しいコア参照アノテーション方法論であるezCorefを,アノテーションツールと対話型チュートリアルで構築する。
ezCorefを使用して、既存の7つの英語コアデータセット(フィクション、ニュース、その他複数のドメイン)から240のパスを再注釈し、これらのデータセットで同じように扱われるケースのみをアノテータに教えます。
驚くべきことに、十分な品質のアノテーションはすでに達成可能であり(群衆と専門家のアノテーションの間では>90%の合意)、広範囲のトレーニングがなくても使えます。
論文 参考訳(メタデータ) (2022-10-13T17:09:59Z) - Out of Context: A New Clue for Context Modeling of Aspect-based
Sentiment Analysis [54.735400754548635]
ABSAは、与えられた側面に関してレビューで表現された感情を予測することを目的としている。
与えられたアスペクトは、コンテキストモデリングプロセスにおけるコンテキストからの新たなヒントと見なされるべきである。
異なるバックボーンに基づいて複数のアスペクト認識コンテキストエンコーダを設計する。
論文 参考訳(メタデータ) (2021-06-21T02:26:03Z) - R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic
Matching [58.72111690643359]
文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。
最初にBERTを使用して、グローバルな視点から入力文をエンコードします。
次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。
関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
論文 参考訳(メタデータ) (2020-12-16T13:11:30Z) - Context Dependent Semantic Parsing: A Survey [56.69006903481575]
意味解析は、自然言語の発話を機械可読な意味表現に変換するタスクである。
現在、ほとんどの意味解析手法は文脈情報を利用することができない。
この問題に対処するため、コンテキスト依存のセマンティック解析が最近多くの注目を集めている。
論文 参考訳(メタデータ) (2020-11-02T07:51:05Z) - Video captioning with stacked attention and semantic hard pull [0.0]
ビデオの意味論的に正確な記述を生成するタスクは非常に複雑です。
本稿では,Semantically Sensible Video Captioning(SSVC)という新しいアーキテクチャを提案する。
論文は、新奇性の使用が最先端アーキテクチャの性能を向上させることを報告している。
論文 参考訳(メタデータ) (2020-09-15T19:34:37Z) - Empower Entity Set Expansion via Language Model Probing [58.78909391545238]
既存の拡張方法は、コンテキスト特徴を適応的に選択し、新しいエンティティを抽出することで、シードエンティティをブートストラップする。
エンティティセット拡張の鍵となる課題は、クラスセマンティクスをシフトし、後のイテレーションで累積エラーにつながる曖昧なコンテキスト機能を選択することを避けることである。
セマンティックドリフト問題に対処するために、自動生成されたクラス名を活用する新しい反復的集合拡張フレームワークを提案する。
論文 参考訳(メタデータ) (2020-04-29T00:09:43Z) - Finding Black Cat in a Coal Cellar -- Keyphrase Extraction &
Keyphrase-Rubric Relationship Classification from Complex Assignments [5.067828201066184]
本稿では,キーフレーズ抽出作業における教師あり教師なしアプローチの有効性を定量化することを目的とする。
i) 教師なしの MultiPartiteRank がキーフレーズ抽出に最適であることがわかった。
今後,これらの課題に関心のある人々に対して,包括的分析と有用な観察結果の導出を行う。
論文 参考訳(メタデータ) (2020-04-03T13:18:02Z)
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。