Fugu-MT 論文翻訳(概要): A Top-Down Neural Architecture towards Text-Level Parsing of Discourse Rhetorical Structure

論文の概要: A Top-Down Neural Architecture towards Text-Level Parsing of Discourse Rhetorical Structure

arxiv url: http://arxiv.org/abs/2005.02680v4
Date: Wed, 19 May 2021 11:35:10 GMT
ステータス: 処理完了
システム内更新日: 2022-12-06 05:34:15.991310
Title: A Top-Down Neural Architecture towards Text-Level Parsing of Discourse Rhetorical Structure
Title（参考訳）: 談話レトリック構造のテキストレベルパーシングに向けたトップダウンニューラルアーキテクチャ
Authors: Longyin Zhang, Yuqing Xing, Fang Kong, Peifeng Li, Guodong Zhou
Abstract要約: テキストレベルのDRS解析に向けたトップダウンニューラルアーキテクチャを提案する。談話解析を分割点ランキングタスクとして用い,そのランクに応じて分割点を異なるレベルに分類する。このようにして、内部スタックを持つエンコーダデコーダを用いて、完全なDSSを階層木構造として決定することができる。
参考スコア（独自算出の注目度）: 27.927104697483934
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Due to its great importance in deep natural language understanding and various down-stream applications, text-level parsing of discourse rhetorical structure (DRS) has been drawing more and more attention in recent years. However, all the previous studies on text-level discourse parsing adopt bottom-up approaches, which much limit the DRS determination on local information and fail to well benefit from global information of the overall discourse. In this paper, we justify from both computational and perceptive points-of-view that the top-down architecture is more suitable for text-level DRS parsing. On the basis, we propose a top-down neural architecture toward text-level DRS parsing. In particular, we cast discourse parsing as a recursive split point ranking task, where a split point is classified to different levels according to its rank and the elementary discourse units (EDUs) associated with it are arranged accordingly. In this way, we can determine the complete DRS as a hierarchical tree structure via an encoder-decoder with an internal stack. Experimentation on both the English RST-DT corpus and the Chinese CDTB corpus shows the great effectiveness of our proposed top-down approach towards text-level DRS parsing.
Abstract（参考訳）: 深層自然言語理解と様々なダウンストリーム応用において非常に重要であることから,近年,言論レトリック構造(DRS)のテキストレベルの解析が注目されている。しかし、テキストレベルの談話解析に関するこれまでの研究はボトムアップアプローチを採用しており、地域情報に関するdrsの決定をかなり制限しており、全体の談話のグローバル情報から利益を得ることができない。本稿では,トップダウンアーキテクチャがテキストレベルのdrs解析に適していることを,計算と知覚の両方から正当化する。そこで本研究では,テキストレベルのDRS解析に向けたトップダウンニューラルアーキテクチャを提案する。特に、分割点をランクに応じて異なるレベルに分類し、それに関連する初等談話単位(edus)を対応付けて再帰的分割点ランキングタスクとして談話解析を行う。このようにして、内部スタックを持つエンコーダデコーダを用いて、完全なDSSを階層木構造として決定することができる。英語rst-dtコーパスと中国語cdtbコーパスの両方の実験により,テキストレベルのdrm解析に対するトップダウンアプローチの有効性が示された。

関連論文リスト

RST-style Discourse Parsing Guided by Document-level Content Structures [27.28989421841165]
既存のRTT解析パイプラインは、文書レベルのコンテンツ構造を知らずに修辞構造を構築する。本稿では,構造を意識したニュースコンテンツ文表現を取り入れたRTT-DPのための新しいパイプラインを提案する。
論文参考訳（メタデータ） (2023-09-08T05:50:27Z)
Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文参考訳（メタデータ） (2023-06-06T19:17:47Z)
TextFormer: A Query-based End-to-End Text Spotter with Mixed Supervision [61.186488081379]
Transformerアーキテクチャを用いた問合せベースのエンドツーエンドテキストスポッターであるTextFormerを提案する。 TextFormerは、画像エンコーダとテキストデコーダの上に構築され、マルチタスクモデリングのための共同セマンティック理解を学ぶ。分類、セグメンテーション、認識のブランチの相互訓練と最適化を可能にし、より深い特徴共有をもたらす。
論文参考訳（メタデータ） (2023-06-06T03:37:41Z)
Advancing Topic Segmentation and Outline Generation in Chinese Texts: The Paragraph-level Topic Representation, Corpus, and Benchmark [44.06803331843307]
段落レベルのトピック構造は、ドキュメント全体のコンテキストをより高いレベルから把握し、理解することができる。大規模で高品質な中国語段落レベルの話題構造コーパスの欠如は研究や応用を妨げた。コーパス構築を導くために,3層からなる階層的な段落レベルのトピック構造表現を提案する。 2段階のマンマシン・コラボレーティブ・アノテーションを用いて,中国最大規模のトピック構造コーパスを構築する。
論文参考訳（メタデータ） (2023-05-24T06:43:23Z)
Topic-driven Distant Supervision Framework for Macro-level Discourse Parsing [72.14449502499535]
テキストの内部修辞構造を解析する作業は、自然言語処理において難しい問題である。近年のニューラルモデルの発展にもかかわらず、トレーニングのための大規模で高品質なコーパスの欠如は大きな障害となっている。近年の研究では、遠方の監督を用いてこの制限を克服しようと試みている。
論文参考訳（メタデータ） (2023-05-23T07:13:51Z)
Uncovering the Potential of ChatGPT for Discourse Analysis in Dialogue: An Empirical Study [51.079100495163736]
本稿では、トピックセグメンテーションと談話解析という2つの談話分析タスクにおけるChatGPTの性能を体系的に検証する。 ChatGPTは、一般的なドメイン間会話においてトピック構造を特定する能力を示すが、特定のドメイン間会話ではかなり困難である。我々のより深い調査は、ChatGPTは人間のアノテーションよりも合理的なトピック構造を提供するが、階層的なレトリック構造を線形に解析することしかできないことを示唆している。
論文参考訳（メタデータ） (2023-05-15T07:14:41Z)
Global and Local Hierarchy-aware Contrastive Framework for Implicit Discourse Relation Recognition [8.143877598684528]
暗黙的談話関係認識(IDRR)は談話分析において難しい課題である。近年の手法では、感覚の階層的情報全体を談話関係表現に統合する傾向にある。本稿では,2種類の階層をモデル化する新しいGlObal and Local Hierarchy-aware Contrastive Framework(GOLF)を提案する。
論文参考訳（メタデータ） (2022-11-25T03:19:03Z)
RST Parsing from Scratch [14.548146390081778]
本稿では、RST(Rhetorical Structure Theory)フレームワークにおいて、文書レベルの言論解析の新しいエンドツーエンドの定式化を導入する。本フレームワークは,会話のセグメンテーションを前提条件として必要とせず,スクラッチからの談話解析を容易にする。我々の統合構文解析モデルでは、ビームサーチを用いて、最高の木構造を高速な木々の空間を探索することでデコードする。
論文参考訳（メタデータ） (2021-05-23T06:19:38Z)
An End-to-End Document-Level Neural Discourse Parser Exploiting Multi-Granularity Representations [24.986030179701405]
構文とセマンティクスにまたがる複数のレベルの粒度から派生した堅牢な表現を利用します。このような表現をエンドツーエンドのエンコーダデコーダニューラルアーキテクチャに組み込んで、よりリソース豊富な対話処理を行います。
論文参考訳（メタデータ） (2020-12-21T08:01:04Z)
Hierarchical Bi-Directional Self-Attention Networks for Paper Review Rating Recommendation [81.55533657694016]
本稿では,階層型双方向自己注意ネットワークフレームワーク(HabNet)を提案する。具体的には、文エンコーダ(レベル1)、レビュー内エンコーダ(レベル2)、レビュー間エンコーダ(レベル3)の3つのレベルで、論文レビューの階層構造を利用する。我々は、最終的な受理決定を行う上で有用な予測者を特定することができ、また、数値的なレビュー評価とレビュアーが伝えるテキストの感情の不整合を発見するのに役立てることができる。
論文参考訳（メタデータ） (2020-11-02T08:07:50Z)
Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
論文参考訳（メタデータ） (2020-08-21T20:59:34Z)

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。