Fugu-MT 論文翻訳(概要): Metaphoric Paraphrase Generation

論文の概要: Metaphoric Paraphrase Generation

arxiv url: http://arxiv.org/abs/2002.12854v1
Date: Fri, 28 Feb 2020 16:30:33 GMT
ステータス: 処理完了
システム内更新日: 2022-12-28 02:12:20.039720
Title: Metaphoric Paraphrase Generation
Title（参考訳）: メタファー的言い換え生成
Authors: Kevin Stowe and Leonardo Ribeiro and Iryna Gurevych
Abstract要約: クラウドソーシングを用いてその結果を評価し,メタファー的パラフレーズを評価するための自動指標を開発する。語彙置換ベースラインは正確なパラフレーズを生成できるが、比喩的でないことが多い。メタファーマスキングモデルでは,メタファー文の生成に優れ,流布やパラフレーズの品質に関してはほぼ同等に機能する。
参考スコア（独自算出の注目度）: 58.592750281138265
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: This work describes the task of metaphoric paraphrase generation, in which we are given a literal sentence and are charged with generating a metaphoric paraphrase. We propose two different models for this task: a lexical replacement baseline and a novel sequence to sequence model, 'metaphor masking', that generates free metaphoric paraphrases. We use crowdsourcing to evaluate our results, as well as developing an automatic metric for evaluating metaphoric paraphrases. We show that while the lexical replacement baseline is capable of producing accurate paraphrases, they often lack metaphoricity, while our metaphor masking model excels in generating metaphoric sentences while performing nearly as well with regard to fluency and paraphrase quality.
Abstract（参考訳）: 本研究は,言い換え文が与えられ,メタファー的言い換えが生成されるメタファー的言い換え生成の課題について述べる。本稿では,この課題に対する2つの異なるモデルを提案する。語彙置換ベースラインと,自由な比喩的パラフレーズを生成するシーケンスモデル'メタホルマスキング'である。クラウドソーシングを用いて結果を評価し,メタファー的パラフレーズを評価するための自動指標を開発する。語彙置換ベースラインは正確なパラフレーズを生成できるが、しばしばメタファー性に欠けるが、我々のメタファーマスクモデルでは、流用性やパラフレーズ品質に関してほぼ同じように実行しながらメタファー文を生成するのに優れている。

関連論文リスト

Verifying Claims About Metaphors with Large-Scale Automatic Metaphor Identification [14.143299702954023]
本研究では,コモンクローリングから抽出した文にメタファー検出を適用することで,動詞のメタファーに関する既存の主張を大規模にコーパスベースで分析する。検証結果は,メタファーとして用いた動詞の直接対象は,具体性,イメージ性,親しみやすさの度合いが低く,メタファーが感情的・主観的文で用いやすいことを示している。
論文参考訳（メタデータ） (2024-04-01T10:17:45Z)
ParaAMR: A Large-Scale Syntactically Diverse Paraphrase Dataset by AMR Back-Translation [59.91139600152296]
ParaAMRは、抽象的な表現のバックトランスレーションによって生成される、大規模な構文的に多様なパラフレーズデータセットである。そこで本研究では,ParaAMRを用いて文の埋め込み学習,構文的に制御されたパラフレーズ生成,数ショット学習のためのデータ拡張という,3つのNLPタスクを改善することができることを示す。
論文参考訳（メタデータ） (2023-05-26T02:27:33Z)
Metaphorical Polysemy Detection: Conventional Metaphor meets Word Sense Disambiguation [9.860944032009847]
言語学者は、NLPのメタファ検出タスクが考慮しない、新しいメタファと従来のメタファを区別する。本稿では,従来のメタファをこのような方法で扱う際の限界について検討する。我々は、英語のWordNetにおける従来のメタファーを識別する最初のMPDモデルを開発した。
論文参考訳（メタデータ） (2022-12-16T10:39:22Z)
Metaphorical Paraphrase Generation: Feeding Metaphorical Language Models with Literal Texts [2.6397379133308214]
提案アルゴリズムは動詞だけでなく,名詞や形容詞にも焦点をあてる。人的評価の結果,システム生成メタファーは人的メタファーよりも創造的で比喩的と考えられることがわかった。
論文参考訳（メタデータ） (2022-10-10T15:11:27Z)
Towards Document-Level Paraphrase Generation with Sentence Rewriting and Reordering [88.08581016329398]
文書レベルのパラフレーズ生成のためのCoRPG(Coherence Relation Guided Paraphrase Generation)を提案する。グラフGRUを用いて、コヒーレンス関係グラフを符号化し、各文のコヒーレンス対応表現を得る。我々のモデルは、より多様性とセマンティックな保存を伴う文書パラフレーズを生成することができる。
論文参考訳（メタデータ） (2021-09-15T05:53:40Z)
Metaphor Generation with Conceptual Mappings [58.61307123799594]
我々は、関連する動詞を置き換えることで、リテラル表現を与えられた比喩文を生成することを目指している。本稿では,認知領域間の概念マッピングを符号化することで生成過程を制御することを提案する。教師なしCM-Lexモデルは,近年のディープラーニングメタファ生成システムと競合することを示す。
論文参考訳（メタデータ） (2021-06-02T15:27:05Z)
Interpreting Verbal Metaphors by Paraphrasing [12.750941606061877]
パラフレージング法が最先端のベースラインを著しく上回ることを示す。また,本手法は,英語のメタファーを8言語に翻訳することで,機械翻訳システムの精度向上に役立つことを示す。
論文参考訳（メタデータ） (2021-04-07T21:00:23Z)
MERMAID: Metaphor Generation with Symbolism and Discriminative Decoding [22.756157298168127]
メタファーとシンボル間の理論的に基底的な接続に基づいて,並列コーパスを自動構築する手法を提案する。生成タスクには、並列データに微調整されたシーケンスモデルへのシーケンスの復号を導くためのメタファ判別器を組み込んだ。課題に基づく評価では、比喩のない詩に比べて、比喩で強化された人文詩が68%の時間を好むことが示されている。
論文参考訳（メタデータ） (2021-03-11T16:39:19Z)
Generating similes effortlessly like a Pro: A Style Transfer Approach for Simile Generation [65.22565071742528]
擬似言語のような表現言語は、読者に新たな洞察とインスピレーションを与えるために、平易な表現を越えている。シミリを生成するには、2つの概念の間のプロパティの効果的なマッピングを適切に理解する必要がある。機械が生成した物語の最良のモデルから、リテラル文をシミュラに置き換えることで、挑発性が向上し、人間の審査員の受け入れが向上することを示す。
論文参考訳（メタデータ） (2020-09-18T17:37:13Z)
Neural Syntactic Preordering for Controlled Paraphrase Generation [57.5316011554622]
私たちの研究は、構文変換を使用して、ソース文をソフトに"リオーダー"し、神経パラフレージングモデルをガイドします。まず、入力文が与えられた場合、エンコーダ・デコーダモデルを用いて、実行可能な構文再構成のセットを導出する。次に、提案した各再構成を用いて位置埋め込みのシーケンスを生成し、最終的なエンコーダ-デコーダパラフレーズモデルが特定の順序でソース語に従属することを奨励する。
論文参考訳（メタデータ） (2020-05-05T09:02:25Z)

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。