Fugu-MT 論文翻訳(概要): Evaluating Neural Morphological Taggers for Sanskrit

論文の概要: Evaluating Neural Morphological Taggers for Sanskrit

arxiv url: http://arxiv.org/abs/2005.10893v1
Date: Thu, 21 May 2020 20:36:32 GMT
ステータス: 処理完了
システム内更新日: 2022-11-30 23:40:13.912454
Title: Evaluating Neural Morphological Taggers for Sanskrit
Title（参考訳）: サンスクリットにおける神経形態的タガーの評価
Authors: Ashim Gupta, Amrith Krishna, Pawan Goyal, Oliver Hellwig
Abstract要約: Sanskrit上での4つの標準シーケンスラベリングモデルの有効性を評価する。いくつかのニューラルモデルは、他のモデルよりも優れているが、これらのモデルすべてに対するエラーの一般的な原因の1つは、同期性である。
参考スコア（独自算出の注目度）: 23.87775187927048
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Neural sequence labelling approaches have achieved state of the art results in morphological tagging. We evaluate the efficacy of four standard sequence labelling models on Sanskrit, a morphologically rich, fusional Indian language. As its label space can theoretically contain more than 40,000 labels, systems that explicitly model the internal structure of a label are more suited for the task, because of their ability to generalise to labels not seen during training. We find that although some neural models perform better than others, one of the common causes for error for all of these models is mispredictions due to syncretism.
Abstract（参考訳）: ニューラルシークエンスラベリングアプローチは、形態的タグ付けにおいて、技術結果の状態を達成している。形態学的に豊かで融合的なインド語であるサンスクリット語における4つの標準配列ラベリングモデルの有効性を評価した。ラベル空間は理論上4万以上のラベルを含むことができるため、ラベルの内部構造を明示的にモデル化するシステムは、トレーニング中に見えないラベルに一般化できるため、そのタスクに適している。いくつかのニューラルモデルは他のモデルよりも優れた性能を示すが、これらのモデルのエラーの原因の1つはシンクレティズムによる誤予測である。

関連論文リスト

Decoding Probing: Revealing Internal Linguistic Structures in Neural Language Models using Minimal Pairs [0.873811641236639]
本稿では,ニューラルネットワークモデル層の内部言語特性を層単位で探索する新しい復号探索手法を提案する。言語モデルを脳として扱い、その表現をニューラルアクティベーションとして扱うことにより、中間層の表現から最小対の文法ラベルをデコードする。
論文参考訳（メタデータ） (2024-03-26T00:56:06Z)
Agentivit\`a e telicit\`a in GilBERTo: implicazioni cognitive [77.71680953280436]
本研究の目的は,トランスフォーマーに基づくニューラルネットワークモデルが語彙意味論を推論するかどうかを検討することである。考慮される意味的性質は、テリシティ(定性とも組み合わされる)と作用性である。
論文参考訳（メタデータ） (2023-07-06T10:52:22Z)
A Multi-Grained Self-Interpretable Symbolic-Neural Model For Single/Multi-Labeled Text Classification [29.075766631810595]
本稿では,テキストのクラスラベルを選挙区木から明示的に予測するシンボリック・ニューラルモデルを提案する。構造化言語モデルが自己教師型で選挙区木を予測することを学ぶと、訓練データとして、原文と文レベルのラベルしか必要としない。実験により,下流タスクにおける予測精度が向上できることが実証された。
論文参考訳（メタデータ） (2023-03-06T03:25:43Z)
Memorization-Dilation: Modeling Neural Collapse Under Label Noise [10.134749691813344]
ディープニューラルネットワークをトレーニングする最終フェーズでは、同じクラスのすべての例の特徴埋め込みが単一の表現に崩壊する傾向にある。経験的証拠は、ノイズのあるデータポイントの記憶が神経崩壊の劣化(拡散)を引き起こすことを示唆している。実験により, ラベルの平滑化が正規化効果を生み出すために経験的に観察された交叉エントロピーの修正が, 分類タスクの一般化に繋がることを示す。
論文参考訳（メタデータ） (2022-06-11T13:40:37Z)
Same Neurons, Different Languages: Probing Morphosyntax in Multilingual Pre-trained Models [84.86942006830772]
多言語事前学習モデルは文法に関する言語・ユニバーサルの抽象化を導出できると推測する。 43の言語と14のモルフォシンタクティックなカテゴリーで、最先端のニューロンレベルのプローブを用いて、初めて大規模な実験を行った。
論文参考訳（メタデータ） (2022-05-04T12:22:31Z)
Minimal Supervision for Morphological Inflection [8.532288965425805]
ラベル付きデータのブートストラップは,5つのラベル付きパラダイムに過ぎず,大量のラベル付きテキストが添付されています。本手法は, 形態素系における2相配置の異なる規則性を利用する。本研究では,8言語にまたがるParadigm Cell Filling Problemを試行し,比較的単純な形態を持つ言語では,その直交正則性によって優雅な精度が得られることを示した。
論文参考訳（メタデータ） (2021-04-17T11:07:36Z)
Noisy Labels Can Induce Good Representations [53.47668632785373]
アーキテクチャがノイズラベルによる学習に与える影響について検討する。ノイズラベルを用いたトレーニングは,モデルが一般化に乏しい場合でも,有用な隠れ表現を誘導できることを示す。この発見は、騒々しいラベルで訓練されたモデルを改善する簡単な方法につながります。
論文参考訳（メタデータ） (2020-12-23T18:58:05Z)
Neural Baselines for Word Alignment [0.0]
4つの言語対に対する教師なし単語アライメントのためのニューラルモデルの検討と評価を行った。我々は、IBM-1と隠れマルコフモデルのニューラルバージョンが、個々のモデルよりも大幅に優れていることを示す。
論文参考訳（メタデータ） (2020-09-28T07:51:03Z)
Leveraging Adversarial Training in Self-Learning for Cross-Lingual Text Classification [52.69730591919885]
本稿では,ラベル保存型入力摂動の最大損失を最小限に抑える半教師付き対向学習法を提案する。多様な言語群に対する文書分類と意図分類において,有効性が著しく向上するのを観察する。
論文参考訳（メタデータ） (2020-07-29T19:38:35Z)
Mechanisms for Handling Nested Dependencies in Neural-Network Language Models and Humans [75.15855405318855]
我々は,「深層学習」手法で訓練された現代人工ニューラルネットワークが,人間の文処理の中心的な側面を模倣するかどうかを検討した。ネットワークは、大きなコーパスで次の単語を予測するためにのみ訓練されたが、分析の結果、局所的および長距離の構文合意をうまく処理する特別なユニットが出現した。我々は,複数の名詞の単数/複数状態における体系的な変化を伴う文中の数一致の違反を人間が検出する行動実験において,モデルの予測を検証した。
論文参考訳（メタデータ） (2020-06-19T12:00:05Z)
A Simple Joint Model for Improved Contextual Neural Lemmatization [60.802451210656805]
本稿では,20言語で最先端の成果を得られる,単純結合型ニューラルモデルを提案する。本論文では,トレーニングと復号化に加えて,本モデルについて述べる。
論文参考訳（メタデータ） (2019-04-04T02:03:19Z)

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。