論文の概要: The IMS-CUBoulder System for the SIGMORPHON 2020 Shared Task on Unsupervised Morphological Paradigm Completion

• arxiv url: http://arxiv.org/abs/2005.12411v1
• Date: Mon, 25 May 2020 21:23:52 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-29 05:21:22.157078
• Title: The IMS-CUBoulder System for the SIGMORPHON 2020 Shared Task on Unsupervised Morphological Paradigm Completion
• Title（参考訳）: IMS-CUBoulder System for the SIGMORPHON 2020 Shared Task on Unsupervised Morphological Paradigm Completion
• Authors: Manuel Mager and Katharina Kann
• Abstract要約: 我々は、Stuttgart IMS大学とコロラド大学ボルダー校のSIGMORPHON 2020 Task 2における、教師なし形態素パラダイムの完成に関するシステムについて紹介する。 このタスクは、レムマ自体とラベルなしのテキストのみを与えられた一連のレムマのモルフォロジーパラダイムを生成することで構成されている。 我々のポインタジェネレータシステムは、全ての言語で平均して7つの提案されたシステムの中で最高のスコアを取得し、ブルガリア語とカンナダ語において、総合的に最も優れた公式ベースラインを上回ります。
• 参考スコア（独自算出の注目度）: 27.37360427124081
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: In this paper, we present the systems of the University of Stuttgart IMS and the University of Colorado Boulder (IMS-CUBoulder) for SIGMORPHON 2020 Task 2 on unsupervised morphological paradigm completion (Kann et al., 2020). The task consists of generating the morphological paradigms of a set of lemmas, given only the lemmas themselves and unlabeled text. Our proposed system is a modified version of the baseline introduced together with the task. In particular, we experiment with substituting the inflection generation component with an LSTM sequence-to-sequence model and an LSTM pointer-generator network. Our pointer-generator system obtains the best score of all seven submitted systems on average over all languages, and outperforms the official baseline, which was best overall, on Bulgarian and Kannada.
• Abstract（参考訳）: 本稿では,Stuttgart IMS大学とコロラド大学ボルダー校(IMS-CUBoulder)のSIGMORPHON 2020タスク2における,教師なし形態素パラダイムの完成に関するシステムについて紹介する(Kann et al., 2020)。 この課題は、補題のセットの形態的パラダイムを生成することであり、補題そのものとラベルのないテキストのみを与えられた。 提案システムは,タスクとともに導入されたベースラインの修正版である。 特に,インフレクション生成成分をLSTMシーケンス・ツー・シーケンスモデルとLSTMポインタ・ジェネレータネットワークで置換する実験を行った。 我々のポインタジェネレータシステムは、全ての言語で平均して7つの提案されたシステムの中で最高のスコアを取得し、ブルガリア語とカンナダ語において、総合的に最も優れた公式ベースラインを上回ります。

関連論文リスト

• RigLSTM: Recurrent Independent Grid LSTM for Generalizable Sequence Learning [75.61681328968714]
  本稿では,対象タスクの基盤となるモジュール構造を利用するために,リカレントな独立したGrid LSTM(RigLSTM)を提案する。 本モデルでは, セル選択, 入力特徴選択, 隠れ状態選択, ソフト状態更新を採用し, より優れた一般化を実現する。
  論文  参考訳（メタデータ） (2023-11-03T07:40:06Z)
• Multi-Scale Prototypical Transformer for Whole Slide Image Classification [12.584411225450989]
  全スライド画像(WSI)分類は、計算病理学において重要な課題である。 本稿では,WSI分類のための新しいマルチスケールプロトタイプトランス (MSPT) を提案する。
  論文  参考訳（メタデータ） (2023-07-05T14:10:29Z)
• Coupling Global Context and Local Contents for Weakly-Supervised Semantic Segmentation [54.419401869108846]
  Weakly Supervised Semantic (WSSS)モデルを提案する。 グローバルなオブジェクトコンテキストを異なる粒度空間でキャプチャするために,フレキシブルなコンテキストアグリゲーションモジュールを提案する。 局所的な細粒度を集約するために、ボトムアップパラメータ学習可能な方法で意味的に一貫した特徴融合モジュールを提案する。
  論文  参考訳（メタデータ） (2023-04-18T15:29:23Z)
• Revisiting Markovian Generative Architectures for Efficient Task-Oriented Dialog Systems [22.249113574918034]
  我々は,従来のLSTMベースのTODシステムで使用されていたマルコフ生成アーキテクチャ (MGA) を再検討することを提案する。 MultiWOZ2.1の実験は、提案されたマルコフ的 PLM ベースのシステムの非マルコフ的システムに対する効率上の利点を示している。
  論文  参考訳（メタデータ） (2022-04-13T15:21:34Z)
• Score-based Generative Modeling in Latent Space [93.8985523558869]
  スコアベース生成モデル(SGM)は,最近,サンプル品質と分布範囲の両面で顕著な結果を示した。 本稿では,Latent Score-based Generative Model (LSGM)を提案する。 データから潜在空間への移動により、より表現力のある生成モデルをトレーニングし、非連続データにSGMを適用し、よりスムーズなSGMをより小さな空間で学習することができる。
  論文  参考訳（メタデータ） (2021-06-10T17:26:35Z)
• The LMU Munich System for the WMT 2020 Unsupervised Machine Translation Shared Task [125.06737861979299]
  本稿では,LMUミュンヘンのWMT 2020における非教師なし共有タスクへの2つの言語方向の提出について述べる。 我々のunsupervised neural machine translation (UNMT) システムは Chronopoulou et al の戦略に従っている。 我々は、最高の性能のシステムを集め、ドイツ語で32.4点、上セルビアで35.2点、ドイツで35.2点に達した。
  論文  参考訳（メタデータ） (2020-10-25T19:04:03Z)
• Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
  我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。 いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
  論文  参考訳（メタデータ） (2020-09-08T21:55:22Z)
• The NYU-CUBoulder Systems for SIGMORPHON 2020 Task 0 and Task 2 [25.234256237085336]
  SIGMORPHON 2020 Task 0におけるNYU-CUBoulderシステムについて述べる。 前者は、レムマから形態的屈折を発生させ、対象形態を記述する形態的特徴の集合からなる。 後者は、原文のみから与えられた補題の集合に対するパラダイム全体を生成する必要がある。
  論文  参考訳（メタデータ） (2020-06-21T15:41:58Z)
• Deep Autoencoding Topic Model with Scalable Hybrid Bayesian Inference [55.35176938713946]
  我々は、ガンマ分布の階層構造を用いて、その多確率層生成ネットワークを構築するディープ・オートエンコーディング・トピック・モデル(DATM)を開発した。 Weibull上向き変分エンコーダを提案する。このエンコーダは深層ニューラルネットワークを介して情報を上向きに伝播し,次いで下向き生成モデルを提案する。 大規模コーパス上での教師なしおよび教師なしの学習タスクにおいて,モデルの有効性とスケーラビリティを実証した。
  論文  参考訳（メタデータ） (2020-06-15T22:22:56Z)
• The SIGMORPHON 2020 Shared Task on Unsupervised Morphological Paradigm Completion [28.728844366333185]
  本稿では, SIGMORPHON 2020共有課題における非教師なし形態素パラダイムの完成に関する知見について述べる。 参加者は、原文とレムマのリストを入力とし、すべての入力フォームを出力するシステムを提出するよう求められた。 ここでは、この共有タスクがトピックに関するさらなる研究の基礎となるよう分析を行う。
  論文  参考訳（メタデータ） (2020-05-28T03:09:58Z)
• Yseop at SemEval-2020 Task 5: Cascaded BERT Language Model for Counterfactual Statement Analysis [0.0]
  我々は、分類タスクにBERTベースモデルを使用し、シーケンス識別タスクを処理するために、ハイブリッドBERTマルチ層パーセプトロンシステムを構築した。 本実験により, 構文的・意味的特徴の導入は, 分類タスクにおけるシステム改善にはほとんど寄与しないが, それらの特徴を線形入力として用いて, モデルのシーケンス決定能力を微調整することにより, 2次タスクにおいてBiLSTM-CRFのような他の類似の複雑なシステムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-05-18T08:19:18Z)

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。