論文の概要: A Neural Approach to Discourse Relation Signal Detection
- arxiv url: http://arxiv.org/abs/2001.02380v2
- Date: Wed, 11 Mar 2020 19:56:42 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-13 10:08:37.937440
- Title: A Neural Approach to Discourse Relation Signal Detection
- Title（参考訳）: 談話関係信号検出のためのニューラルアプローチ
- Authors: Amir Zeldes and Yang Liu
- Abstract要約: 本稿では,遠隔教師付きニューラルネットワークを用いた信号検出のためのデータ駆動型手法を提案する。
この計量は、文脈における特定の事例における関係の識別可能性に対する各単語の正または負の寄与を表す。
分析では、測定値の信頼性、人間の判断と重なり合う場所、そしてニューラルモデルに必要な特徴を特定することの意味について検討した。
- 参考スコア（独自算出の注目度）: 16.874380052348904
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous data-driven work investigating the types and distributions of
discourse relation signals, including discourse markers such as 'however' or
phrases such as 'as a result' has focused on the relative frequencies of signal
words within and outside text from each discourse relation. Such approaches do
not allow us to quantify the signaling strength of individual instances of a
signal on a scale (e.g. more or less discourse-relevant instances of 'and'), to
assess the distribution of ambiguity for signals, or to identify words that
hinder discourse relation identification in context ('anti-signals' or
'distractors'). In this paper we present a data-driven approach to signal
detection using a distantly supervised neural network and develop a metric,
Delta s (or 'delta-softmax'), to quantify signaling strength. Ranging between
-1 and 1 and relying on recent advances in contextualized words embeddings, the
metric represents each word's positive or negative contribution to the
identifiability of a relation in specific instances in context. Based on an
English corpus annotated for discourse relations using Rhetorical Structure
Theory and signal type annotations anchored to specific tokens, our analysis
examines the reliability of the metric, the places where it overlaps with and
differs from human judgments, and the implications for identifying features
that neural models may need in order to perform better on automatic discourse
relation classification.
- Abstract（参考訳）: 談話関係信号の種類や分布を調査する従来のデータ駆動型研究は, それぞれの談話関係から, 音声中の信号単語の相対周波数に着目した「ハウエバ」や「結果」などの言論マーカーを含む。
このようなアプローチでは、信号の個々のインスタンスの信号強度(例えば、"and"の談話関連インスタンス)を定量化したり、信号のあいまいさの分布を評価したり、文脈における談話関係の識別を妨げる単語("anti-signals"や"distractors")を識別することはできない。
本稿では,遠隔教師付きニューラルネットワークを用いた信号検出のためのデータ駆動手法を提案し,信号強度を定量化するための指標であるデルタs(delta-softmax)を開発した。
-1 から 1 までの範囲で、文脈化された単語埋め込みの最近の進歩に依存しており、メトリクスは文脈内の特定のインスタンスにおける関係の識別可能性に対する各単語の正または負の貢献を表す。
本分析は,レトリック構造理論と特定のトークンに固定された信号型アノテーションを用いた談話関係に注釈を付した英語コーパスに基づいて,その指標の信頼性,人間の判断と重複し相違する場所,そして,ニューラルネットワークが自動談話関係分類により良い結果をもたらすために必要な特徴を特定することの意味を考察する。
関連論文リスト
- Graph-Dictionary Signal Model for Sparse Representations of Multivariate Data [49.77103348208835]
グラフの有限集合がラプラシアンの重み付き和を通してデータ分布の関係を特徴付けるグラフ辞書信号モデルを定義する。
本稿では,観測データからグラフ辞書表現を推論するフレームワークを提案する。
我々は,脳活動データに基づく運動画像復号作業におけるグラフ辞書表現を利用して,従来の手法よりも想像的な動きをよりよく分類する。
論文 参考訳（メタデータ） (2024-11-08T17:40:43Z) - A Pilot Study on Dialogue-Level Dependency Parsing for Chinese [21.698966896156087]
850の対話と199,803の依存関係を含む高品質な人間注釈コーパスを開発する。
このようなタスクはアノテーションのコストが高いため、ゼロショットと少数ショットのシナリオを調査する。
既存のシンタクティックツリーバンクをベースとした信号ベースの手法により、目に見えないシンタクティック依存関係を非表示のツリーバンクに変換する。
論文 参考訳（メタデータ） (2023-05-21T12:20:13Z) - Classification of Phonological Parameters in Sign Languages [0.0]
言語学的研究はしばしば手話を研究するために記号を構成要素に分解する。
本研究では,手話中の個々の音韻的パラメータを認識するために,一つのモデルを用いる方法を示す。
論文 参考訳（メタデータ） (2022-05-24T13:40:45Z) - Deep Neural Convolutive Matrix Factorization for Articulatory
Representation Decomposition [48.56414496900755]
この研究は、コンボリューティブスパース行列分解のニューラル実装を用いて、調音データを解釈可能なジェスチャーとジェスチャースコアに分解する。
音素認識実験も実施され、ジェスチャースコアが実際に音韻情報のコード化に成功していることが示された。
論文 参考訳（メタデータ） (2022-04-01T14:25:19Z) - Resolving label uncertainty with implicit posterior models [71.62113762278963]
本稿では,データサンプルのコレクション間でラベルを共同で推論する手法を提案する。
異なる予測子を後部とする生成モデルの存在を暗黙的に仮定することにより、弱い信念の下での学習を可能にする訓練目標を導出する。
論文 参考訳（メタデータ） (2022-02-28T18:09:44Z) - Full-Reference Speech Quality Estimation with Attentional Siamese Neural
Networks [0.0]
深層学習アプローチを用いた完全参照音声品質予測モデルを提案する。
モデルは、シームス繰り返し畳み込みネットワークを介して参照と劣化した信号の特徴表現を決定する。
得られた特徴は、信号と注意機構を合わせるために使用され、最後に合成され、音声の全体的な品質を推定する。
論文 参考訳（メタデータ） (2021-05-03T12:38:25Z) - Unsupervised Sound Localization via Iterative Contrastive Learning [106.56167882750792]
データアノテーションを必要としない反復型コントラスト学習フレームワークを提案する。
次に、擬似ラベルを用いて、同じビデオからサンプリングされた視覚信号と音声信号の相関関係を学習する。
我々の反復的戦略は徐々に音像の局所化を奨励し、非発声領域と参照音声との相関を減少させる。
論文 参考訳（メタデータ） (2021-04-01T07:48:29Z) - Learning What Makes a Difference from Counterfactual Examples and
Gradient Supervision [57.14468881854616]
ニューラルネットワークの一般化能力を改善するための補助的学習目標を提案する。
我々は、異なるラベルを持つ最小差の例のペア、すなわち反ファクトまたはコントラストの例を使用し、タスクの根底にある因果構造を示す信号を与える。
このテクニックで訓練されたモデルは、配布外テストセットのパフォーマンスを向上させる。
論文 参考訳（メタデータ） (2020-04-20T02:47:49Z) - Cross-modal variational inference for bijective signal-symbol
translation [11.444576186559486]
本稿では,この問題を密度推定タスクに変換することで,信号・記号変換の手法を提案する。
この結合分布を2つの異なる変分オートエンコーダで推定する。
本稿では,音符,オクターブ,ダイナミクスの記号を用いたモデル実験を行い,音楽の書き起こしとラベル制約による音声生成の基本的なステップを構成する。
論文 参考訳（メタデータ） (2020-02-10T15:25:48Z) - Continuous speech separation: dataset and analysis [52.10378896407332]
自然な会話では、音声信号は連続的であり、重複成分と重複成分の両方を含む。
本稿では,連続音声分離アルゴリズムを評価するためのデータセットとプロトコルについて述べる。
論文 参考訳（メタデータ） (2020-01-30T18:01:31Z)
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。