論文の概要: Thirty Musts for Meaning Banking

• arxiv url: http://arxiv.org/abs/2005.13421v1
• Date: Wed, 27 May 2020 15:28:12 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-28 08:57:07.763557
• Title: Thirty Musts for Meaning Banking
• Title（参考訳）: 銀行を意味する30の必需品
• Authors: Johan Bos, Lasha Abzianidze
• Abstract要約: 本稿では,10年近い意味的アノテーションで学んだ教訓を列挙する。 論文の形式は非従来的であり、明示的な関連する作業や方法論のセクション、結果、議論は行われない。
• 参考スコア（独自算出の注目度）: 2.9468612667087344
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Meaning banking--creating a semantically annotated corpus for the purpose of semantic parsing or generation--is a challenging task. It is quite simple to come up with a complex meaning representation, but it is hard to design a simple meaning representation that captures many nuances of meaning. This paper lists some lessons learned in nearly ten years of meaning annotation during the development of the Groningen Meaning Bank (Bos et al., 2017) and the Parallel Meaning Bank (Abzianidze et al., 2017). The paper's format is rather unconventional: there is no explicit related work, no methodology section, no results, and no discussion (and the current snippet is not an abstract but actually an introductory preface). Instead, its structure is inspired by work of Traum (2000) and Bender (2013). The list starts with a brief overview of the existing meaning banks (Section 1) and the rest of the items are roughly divided into three groups: corpus collection (Section 2 and 3, annotation methods (Section 4-11), and design of meaning representations (Section 12-30). We hope this overview will give inspiration and guidance in creating improved meaning banks in the future.
• Abstract（参考訳）: 意味的構文解析や生成のために意味論的注釈付きコーパスを作成するのは、難しい作業です。 複雑な意味表現を思いつくのは極めて単純であるが、多くの意味のニュアンスを捉える単純な意味表現を設計することは困難である。 本稿では,Groningen Meaning Bank(Bos et al., 2017)とParallel Meaning Bank(Abzianidze et al., 2017)の開発において,約10年間に学んだ意味アノテーションの教訓を紹介する。 明確な関係のある作業はなく、方法論のセクションもなく、結果もなく、議論もない(そして現在のスニペットは抽象的ではなく、実際には序文の序文である)。 その代わりに、その構造は Traum (2000) と Bender (2013) の影響を受けている。 リストは、既存の意味バンク(Section)の簡単な概要から始まる。 1)およびその他の項目は、コーパスコレクション(第2部及び第3部)、アノテーションメソッド(第4-11部)、意味表現の設計(第12-30部)の3つのグループに分けられる。 この概要は、将来の銀行の改善にインスピレーションとガイダンスを与えることを期待している。

関連論文リスト

• A Complexity-Based Theory of Compositionality [53.025566128892066]
  AIでは、構成表現は配布外一般化の強力な形式を可能にすることができる。 ここでは、構成性に関する直観を考慮し、拡張する構成性の公式な定義を提案する。 この定義は概念的には単純で量的であり、アルゴリズム情報理論に基礎を置いており、あらゆる表現に適用できる。
  論文  参考訳（メタデータ） (2024-10-18T18:37:27Z)
• Modeling Unified Semantic Discourse Structure for High-quality Headline Generation [45.23071138765902]
  文書意味論を表現するために,統一意味談話構造(S3)を提案する。 文、節、単語の階層的な構成は、本質的に全体文書の意味を特徴づける。 私たちの仕事は、見出しや要約生成以上の、幅広いドキュメントモデリングタスクに対してインストラクティブなものです。
  論文  参考訳（メタデータ） (2024-03-23T09:18:53Z)
• PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and Entailment Recognition [63.51569687229681]
  文中の各命題の文的含意関係を個別に認識する必要性について論じる。 提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。 我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
  論文  参考訳（メタデータ） (2022-12-21T04:03:33Z)
• Fine-Grained Opinion Summarization with Minimal Supervision [48.43506393052212]
  FineSumは、複数のドキュメントから意見を抽出することでターゲットをプロファイルすることを目的としている。 FineSumは、生のコーパスから意見語句を自動的に識別し、異なる側面と感情に分類し、各アスペクト/感覚の下に複数のきめ細かい意見クラスタを構築する。 ベンチマークの自動評価と定量的人的評価の両方が,本手法の有効性を検証した。
  論文  参考訳（メタデータ） (2021-10-17T15:16:34Z)
• Theoretical foundations and limits of word embeddings: what types of meaning can they capture? [0.0]
  意味を測定することは文化社会学の中心的な問題である。 私は、単語埋め込みが意味の構造的言語理論の3つの中核的な前提をモデル化する方法を理論化します。
  論文  参考訳（メタデータ） (2021-07-22T00:40:33Z)
• SemEval-2021 Task 4: Reading Comprehension of Abstract Meaning [47.49596196559958]
  本稿では,SemEval-2021共有タスクについて紹介する。4: Reading of Abstract Meaning (ReCAM)。 パスとそれに対応する質問が与えられた場合、参加者システムは、抽象概念の5つの候補から正しい回答を選択することが期待される。 Subtask 1は、物理的な世界で直接認識できない概念を、システムがいかにうまくモデル化できるかを評価することを目的としている。 Subtask 2は、ハイパーニム階層にある非特異な概念を解釈するモデルの能力に焦点を当てている。 Subtask 3は、2種類の抽象性に対するモデルの一般化可能性に関する洞察を提供することを目的としている。
  論文  参考訳（メタデータ） (2021-05-31T11:04:17Z)
• The Parallel Meaning Bank: A Framework for Semantically Annotating Multiple Languages [2.57503092324306]
  本稿では,パラレル平均銀行の背景にある考え方について概説する。 このフレームワークは、英語以外の言語で書かれたテキストの構成意味論を簡単にアノテーションする方法を提供することを目指しています。 文書が英語からの翻訳に基づいている限り、新しい言語を意味銀行に追加することができます。
  論文  参考訳（メタデータ） (2020-12-29T17:04:10Z)
• CASE: Context-Aware Semantic Expansion [68.30244980290742]
  本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。 セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。 このタスクのアノテーションは,既存のコーパスから完全に自動で,大規模に抽出可能であることを示す。
  論文  参考訳（メタデータ） (2019-12-31T06:38:57Z)
• The Shmoop Corpus: A Dataset of Stories with Loosely Aligned Summaries [72.48439126769627]
  個々の章ごとに詳細なマルチパラグラフの要約と組み合わせた231ストーリーのデータセットであるShmoop Corpusを紹介します。 コーパスから、クローズ形式の質問応答や抽象的要約の簡易な形式を含む共通のNLPタスクのセットを構築する。 このコーパスのユニークな構造は、マシンストーリーの理解をより親しみやすいものにするための重要な基盤となると信じている。
  論文  参考訳（メタデータ） (2019-12-30T21:03:59Z)

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。