Fugu-MT 論文翻訳(概要): Topological Sort for Sentence Ordering

論文の概要: Topological Sort for Sentence Ordering

arxiv url: http://arxiv.org/abs/2005.00432v1
Date: Fri, 1 May 2020 15:07:59 GMT
ステータス: 処理完了
システム内更新日: 2022-12-07 23:45:38.615829
Title: Topological Sort for Sentence Ordering
Title（参考訳）: 文順序付けのためのトポロジカルソート
Authors: Shrimai Prabhumoye, Ruslan Salakhutdinov, Alan W Black
Abstract要約: 本稿では,この課題を制約解決問題として新たなフレーミングを提案し,その解決のための新しい手法を提案する。 4つの異なるデータセットにまたがる自動測定と人的計測の結果から、この新しい手法は文書のコヒーレンスを捉えるのに優れていることが分かる。
参考スコア（独自算出の注目度）: 133.05105352571715
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Sentence ordering is the task of arranging the sentences of a given text in the correct order. Recent work using deep neural networks for this task has framed it as a sequence prediction problem. In this paper, we propose a new framing of this task as a constraint solving problem and introduce a new technique to solve it. Additionally, we propose a human evaluation for this task. The results on both automatic and human metrics across four different datasets show that this new technique is better at capturing coherence in documents.
Abstract（参考訳）: 文順序付けは、与えられたテキストの文を正しい順序でアレンジするタスクである。このタスクにディープニューラルネットワークを用いた最近の研究で、シーケンス予測問題として扱われている。本稿では,制約解決問題として新たなフレーミング法を提案し,それを解決するための新しい手法を提案する。また,この課題に対する人間による評価を提案する。 4つの異なるデータセットにまたがる自動測定と人的計測の結果から、この新しい手法は文書のコヒーレンスを捉えるのに優れていることが分かる。

関連論文リスト

MISMATCH: Fine-grained Evaluation of Machine-generated Text with Mismatch Error Types [68.76742370525234]
テキスト間のきめ細かいミスマッチに基づいて、7つのNLPタスクにおける人間の判断をモデル化する新しい評価手法を提案する。細粒度評価のためのNLPタスクの最近の取り組みに触発されて,13種類のミスマッチエラータイプを紹介した。 7つのNLPタスクから得られた有意なデータセットの文対間のミスマッチ誤差は,人間の評価とよく一致している。
論文参考訳（メタデータ） (2023-06-18T01:38:53Z)
Conjunct Resolution in the Face of Verbal Omissions [51.220650412095665]
本稿では,テキスト上で直接動作する接続分解タスクを提案し,コーディネーション構造に欠けている要素を復元するために,分割・言い換えパラダイムを利用する。クラウドソースアノテーションによる自然に発生する動詞の省略例を10万件以上を含む,大規模なデータセットをキュレートする。我々は、このタスクのために様々な神経ベースラインをトレーニングし、最良の手法が適切なパフォーマンスを得る一方で、改善のための十分なスペースを残していることを示す。
論文参考訳（メタデータ） (2023-05-26T08:44:02Z)
Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文参考訳（メタデータ） (2022-03-29T16:09:38Z)
Reinforcement Learning Based Query Vertex Ordering Model for Subgraph Matching [58.39970828272366]
グラフマッチングアルゴリズムは、クエリグラフの埋め込みをデータグラフGに列挙する。マッチング順序は、これらのバックトラックに基づくサブグラフマッチングアルゴリズムの時間効率において重要な役割を果たす。本稿では,Reinforcement Learning (RL) と Graph Neural Networks (GNN) 技術を適用して,グラフマッチングアルゴリズムの高品質なマッチング順序を生成する。
論文参考訳（メタデータ） (2022-01-25T00:10:03Z)
Evaluating NLP Systems On a Novel Cloze Task: Judging the Plausibility of Possible Fillers in Instructional Texts [2.3449131636069898]
Cloze Taskは、NLPシステムの言語理解能力を評価するために広く使われているタスクである。新しいタスクが提案されている: クローズタスクのフィラーワードが良い、中立的、悪い候補であるかどうかを予測する。
論文参考訳（メタデータ） (2021-12-03T12:02:52Z)
STaCK: Sentence Ordering with Temporal Commonsense Knowledge [34.64198104134244]
文順予測は、ランダムに順序付けられた文書中の文の正しい順序を見つけるタスクである。本稿では,グラフニューラルネットワークと時間的コモンセンス知識に基づくフレームワークSTaCKを紹介する。その結果,提案手法が自然に順序予測に適していることが実証的に証明された。
論文参考訳（メタデータ） (2021-09-06T05:29:48Z)
BERT4SO: Neural Sentence Ordering by Fine-tuning BERT [26.050527288844005]
最近の研究では、ランキング問題として、ディープニューラルネットワークを適用している。 BERTを微調整し、文章順序付けを行う新しい方法BERT4SOを提案する。
論文参考訳（メタデータ） (2021-03-25T03:32:32Z)
Neural Sentence Ordering Based on Constraint Graphs [32.14555157902546]
文順序付けは、正しい順序で文のリストを整理することを目的としている。文間の多粒性順序に基づく新しいアプローチを考案する。これらの順序は複数の制約グラフを形成し、グラフ同型ネットワークによって符号化され、文表現に融合される。
論文参考訳（メタデータ） (2021-01-27T02:53:10Z)
Few-Shot Semantic Parsing for New Predicates [33.84280840107834]
最先端のニューラルセマンティクスは、k=1のベンチマークデータセットで25%未満の精度を達成する。提案手法は1ショットと2ショットの両方の設定でベースラインを一貫して上回っています。
論文参考訳（メタデータ） (2021-01-26T11:08:08Z)
Incomplete Utterance Rewriting as Semantic Segmentation [57.13577518412252]
本稿では, セマンティックセグメンテーションタスクとして定式化する, 斬新で広範囲なアプローチを提案する。スクラッチから生成する代わりに、このような定式化は編集操作を導入し、単語レベルの編集行列の予測として問題を形作る。私たちのアプローチは、推論における標準的なアプローチの4倍高速です。
論文参考訳（メタデータ） (2020-09-28T09:29:49Z)

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。