Fugu-MT 論文翻訳(概要): End to End Chinese Lexical Fusion Recognition with Sememe Knowledge

論文の概要: End to End Chinese Lexical Fusion Recognition with Sememe Knowledge

arxiv url: http://arxiv.org/abs/2004.05456v1
Date: Sat, 11 Apr 2020 18:17:18 GMT
ステータス: 処理完了
システム内更新日: 2022-12-14 12:40:26.697620
Title: End to End Chinese Lexical Fusion Recognition with Sememe Knowledge
Title（参考訳）: セメム知識を用いた中国語語彙融合認識の終末
Authors: Yijiang Liu, Meishan Zhang, Donghong Ji
Abstract要約: 我々は,1種類のコア参照認識とみなせる新しいタスクである,中国の語彙融合認識を提案する。本稿では,最先端のBERT表現をエンコーダとして利用するタスクのエンドツーエンドジョイントモデルを提案する。その結果,我々のジョイントモデルはタスクに対して効果的で競争力があることが示された。
参考スコア（独自算出の注目度）: 32.06320229627234
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we present Chinese lexical fusion recognition, a new task which could be regarded as one kind of coreference recognition. First, we introduce the task in detail, showing the relationship with coreference recognition and differences from the existing tasks. Second, we propose an end-to-end joint model for the task, which exploits the state-of-the-art BERT representations as encoder, and is further enhanced with the sememe knowledge from HowNet by graph attention networks. We manually annotate a benchmark dataset for the task and then conduct experiments on it. Results demonstrate that our joint model is effective and competitive for the task. Detailed analysis is offered for comprehensively understanding the new task and our proposed model.
Abstract（参考訳）: 本稿では,1種類のコア参照認識とみなせる新しい課題である,中国の語彙融合認識について述べる。まず,コリファレンス認識と既存のタスクとの差異の関係を示すため,タスクを詳細に紹介する。第2に,最先端のbert表現をエンコーダとして活用し,グラフアテンションネットワークによるhownetからのsememe知識によりさらに拡張したタスクのエンド・ツー・エンドのジョイントモデルを提案する。タスクのベンチマークデータセットを手動でアノテートし、その上で実験を行います。その結果,ジョイントモデルの有効性と課題に対する競争力が示された。新しい課題と提案モデルを包括的に理解するための詳細な分析を行う。

関連論文リスト

Hypergraph based Understanding for Document Semantic Entity Recognition [65.84258776834524]
我々は,ハイパグラフアテンションを利用したハイパグラフアテンション文書セマンティックエンティティ認識フレームワークHGAを構築し,エンティティ境界とエンティティカテゴリを同時に重視する。 FUNSD, CORD, XFUNDIE で得られた結果は,本手法が意味的エンティティ認識タスクの性能を効果的に向上できることを示す。
論文参考訳（メタデータ） (2024-07-09T14:35:49Z)
Co-guiding for Multi-intent Spoken Language Understanding [53.30511968323911]
本稿では,2つのタスク間の相互指導を実現するための2段階のフレームワークを実装した,コガイドネットと呼ばれる新しいモデルを提案する。第1段階では,単一タスクによる教師付きコントラスト学習を提案し,第2段階ではコガイドによる教師付きコントラスト学習を提案する。マルチインテリジェントSLU実験の結果,我々のモデルは既存のモデルよりも大きなマージンで優れていることがわかった。
論文参考訳（メタデータ） (2023-11-22T08:06:22Z)
Attention Where It Matters: Rethinking Visual Document Understanding with Selective Region Concentration [26.408343160223517]
本稿では,SeRumという文書理解モデルを提案する。 SeRumは、画像理解と認識タスクを視覚トークンの局所的な復号プロセスに変換する。本稿では,SeRumが文書理解タスクの最先端性能とテキストスポッティングタスクの競合結果を達成することを示す。
論文参考訳（メタデータ） (2023-09-03T10:14:34Z)
Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
論文参考訳（メタデータ） (2022-12-20T08:55:47Z)
Neural Coreference Resolution based on Reinforcement Learning [53.73316523766183]
コアレゾリューションシステムは2つのサブタスクを解決する必要がある。ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。本稿では,アクターをベースとした強化学習型ニューラルコア参照分解システムを提案する。
論文参考訳（メタデータ） (2022-12-18T07:36:35Z)
REKnow: Enhanced Knowledge for Joint Entity and Relation Extraction [30.829001748700637]
関係抽出はテキストからすべての隠れた関係事実を抽出することを目的とした課題である。様々な関係抽出設定下でうまく機能する統一されたフレームワークは存在しない。これら2つの問題を緩和する知識強化型生成モデルを提案する。本モデルは,WebNLG,NYT10,TACREDなど,複数のベンチマークや設定において優れた性能を実現する。
論文参考訳（メタデータ） (2022-06-10T13:59:38Z)
Evidentiality-guided Generation for Knowledge-Intensive NLP Tasks [59.761411682238645]
Retrieval-augmented Generation Modelは、多くの知識集約型NLPタスクにまたがって最先端のパフォーマンスを示している。生成器の訓練に、パスが出力をサポートするための正しい証拠を含むか否かに関わらず、パスの明快さを組み込む方法を導入する。
論文参考訳（メタデータ） (2021-12-16T08:18:47Z)
Transformer-Based Approach for Joint Handwriting and Named Entity Recognition in Historical documents [1.7491858164568674]
本研究は,手書き文書における名前付きエンティティ認識にトランスフォーマネットワークを採用した最初のアプローチを示す。我々は,Esposalles データベースを用いた ICDAR 2017 Information extract コンペティションにおいて,新しい最先端性能を実現する。
論文参考訳（メタデータ） (2021-12-08T09:26:21Z)
Adaptive Attentional Network for Few-Shot Knowledge Graph Completion [16.722373937828117]
Few-shot Knowledge Graph (KG) の完成は、現在の研究の焦点であり、各タスクは、数少ない参照エンティティペアを考えると、関係の見えない事実をクエリすることを目的としている。最近の試みでは、エンティティと参照の静的表現を学習し、それらの動的特性を無視してこの問題を解決している。本研究は,適応実体と参照表現を学習することにより,数ショットのKG補完のための適応的注意ネットワークを提案する。
論文参考訳（メタデータ） (2020-10-19T16:27:48Z)
Bowtie Networks: Generative Modeling for Joint Few-Shot Recognition and Novel-View Synthesis [39.53519330457627]
本稿では,複数ショット認識と新規ビュー合成という新たな課題を提案する。我々は、オブジェクト分類器を同時に学習し、新しい視点からそのタイプのオブジェクトの画像を生成することを目的としている。生成モデルと識別モデルとの相互作用と協調に焦点を当てる。
論文参考訳（メタデータ） (2020-08-16T19:40:56Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。