Fugu-MT 論文翻訳(概要): Efficient EUD Parsing

論文の概要: Efficient EUD Parsing

arxiv url: http://arxiv.org/abs/2006.00838v1
Date: Mon, 1 Jun 2020 10:31:56 GMT
ステータス: 処理完了
システム内更新日: 2022-11-26 06:56:48.517985
Title: Efficient EUD Parsing
Title（参考訳）: 効率的なEUD解析
Authors: Mathieu Dehouck, Mark Anderson and Carlos G\'omez-Rodr\'iguez
Abstract要約: We present the system submit from the FASTPARSE team for the EUD Shared Task at IWPT 2020。私たちのモデルは、蒸留されたニューラルネットワークと、UDツリーをEUDグラフに投影するルールベースのシステムの組み合わせです。
参考スコア（独自算出の注目度）: 5.414308305392762
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present the system submission from the FASTPARSE team for the EUD Shared Task at IWPT 2020. We engaged with the task by focusing on efficiency. For this we considered training costs and inference efficiency. Our models are a combination of distilled neural dependency parsers and a rule-based system that projects UD trees into EUD graphs. We obtained an average ELAS of 74.04 for our official submission, ranking 4th overall.
Abstract（参考訳）: 我々は、iwpt 2020において、eud共有タスクのためにfastparseチームからシステム提案を行う。私たちは効率に焦点を当ててその仕事に携わった。そのため、トレーニングコストと推論効率を考えました。私たちのモデルは、蒸留された神経依存パーサと、UD木をEUDグラフに投影するルールベースのシステムの組み合わせです。 ELASの平均値は74.04で、総合で4位にランクインした。

関連論文リスト

PIVOT-R: Primitive-Driven Waypoint-Aware World Model for Robotic Manipulation [68.17081518640934]
ロボット操作のためのPrIrmitive-driVen waypOinT-aware world model(PIVOT-R)を提案する。 PIVOT-RはWAWM(Waypoint-aware World Model)と軽量アクション予測モジュールで構成される。私たちのPIVOT-RはSeaWaveベンチマークで最先端のオープンソースモデルより優れており、4段階の命令タスクで平均19.45%の相対的な改善を実現しています。
論文参考訳（メタデータ） (2024-10-14T11:30:18Z)
GeckOpt: LLM System Efficiency via Intent-Based Tool Selection [1.8434042562191815]
GPTに基づく大規模言語モデル(LLM)の合理化ツール選択のための推論手法について検討する。実行時にユーザプロンプトの背後にある意図を特定することで、タスク実行に必要なAPIを縮小し、トークン使用量を最大24.6%削減します。 100以上のGPT-4-Turboノードを持つ現実世界の大規模並列Copilotプラットフォームの初期結果は、LCMベースのシステム効率を改善するためのコスト削減と可能性を示している。
論文参考訳（メタデータ） (2024-04-24T11:03:15Z)
Exposing Limitations of Language Model Agents in Sequential-Task Compositions on the Web [74.76803612807949]
言語モデルエージェント(LMA)は、ミューティステップ決定タスクにおける有望なパラダイムとして登場した。約束にもかかわらず、現実世界のアプリケーションでの彼らのパフォーマンスはまだ過小評価されている。既存のLMAはベースタスクで平均94.0%の成功率を達成したが、その性能は構成タスクで平均24.9%に低下した。
論文参考訳（メタデータ） (2023-11-30T17:50:47Z)
For SALE: State-Action Representation Learning for Deep Reinforcement Learning [60.42044715596703]
SALEは、状態と行動の間のニュアンスな相互作用をモデル化する埋め込みを学ぶための新しいアプローチである。我々は、SALEとRLのチェックポイントをTD3に統合し、TD7アルゴリズムを構成する。 OpenAIのジムのベンチマークタスクでは、TD7は平均276.7%、TD3よりも50.7%、それぞれ300k、500Mのタイムステップでパフォーマンスが向上している。
論文参考訳（メタデータ） (2023-06-04T19:47:46Z)
InstructABSA: Instruction Learning for Aspect Based Sentiment Analysis [58.188050006989144]
InstructABSAは、Aspect-Based Sentiment Analysis (ABSA)サブタスクのための命令学習パラダイムである。提案手法は,各トレーニングサンプルに対して正,負,中立の例を導入し,ABSAサブタスクのモデル(Tk-インストラクト)を指導し,大幅な性能向上をもたらす。
論文参考訳（メタデータ） (2023-02-16T23:29:22Z)
STraTA: Self-Training with Task Augmentation for Better Few-shot Learning [77.04780470527432]
タスク拡張による自己学習のためのSTraTAを提案する。実験の結果,STraTAは12個のベンチマークでサンプル効率を大幅に向上できることがわかった。分析の結果,タスク強化と自己学習は相補的かつ独立的に有効であることが判明した。
論文参考訳（メタデータ） (2021-09-13T19:14:01Z)
The USYD-JD Speech Translation System for IWSLT 2021 [85.64797317290349]
本稿では,シドニー大学とJDが共同でIWSLT 2021低リソース音声翻訳タスクを提出したことを述べる。私たちは、公式に提供されたASRとMTデータセットでモデルをトレーニングしました。翻訳性能の向上を目的として, バック翻訳, 知識蒸留, 多機能再構成, トランスダクティブファインタニングなど, 最新の効果的な手法について検討した。
論文参考訳（メタデータ） (2021-07-24T09:53:34Z)
Splitting EUD graphs into trees: A quick and clatty approach [0.38073142980733]
We present the system submit for the EUD Shared Task at IWPT 2021。本システムは,言語基準に基づいて,EUDグラフを複数の木に分割する。結果は比較的低かったが、完全な災害ではなかったため、磨くことで改善される可能性がある。
論文参考訳（メタデータ） (2021-06-24T16:28:55Z)
One4all User Representation for Recommender Systems in E-commerce [6.036434229420014]
大規模事前学習による汎用表現学習は、様々な機械学習分野において有望な結果を示している。電子商取引の分野では、汎用的な目的、すなわち全てを表現することの目的は、ユーザのプロファイリング、ターゲティング、レコメンデーションタスクなどの広範囲な下流タスクに対する効率的なアプリケーションである。本稿では,提案したモデルであるShopperBERTとスクラッチから学習する2つの学習戦略の一般化性を比較する。
論文参考訳（メタデータ） (2021-05-24T03:17:05Z)
QMUL-SDS @ SardiStance: Leveraging Network Interactions to Boost Performance on Stance Detection using Knowledge Graphs [16.39344929765961]
本稿では,タスクAとタスクBのアーキテクチャについて述べる。タスクBでは6位(f-avg 0.709)です。最適実験により, (f-avg 0.573) から (f-avg 0.733) まで性能が向上した。
論文参考訳（メタデータ） (2020-11-02T18:17:51Z)
The ADAPT Enhanced Dependency Parser at the IWPT 2020 Shared Task [12.226699055857182]
本稿では,2020 IWPT共有タスクのためのADAPTシステムについて述べる。 UDPipe と UDPipe-Future を用いたパイプラインアプローチを実装し,初期アノテーションのレベルを提供する。ほとんどの言語では、強化された依存関係を解析するタスクにセマンティックな依存関係をうまく適用することができる。
論文参考訳（メタデータ） (2020-09-03T14:43:04Z)

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。