Fugu-MT 論文翻訳(概要): Classifying Referential and Non-referential It Using Gaze

論文の概要: Classifying Referential and Non-referential It Using Gaze

arxiv url: http://arxiv.org/abs/2006.13327v1
Date: Tue, 23 Jun 2020 20:54:25 GMT
ステータス: 処理完了
システム内更新日: 2022-11-17 22:59:52.391835
Title: Classifying Referential and Non-referential It Using Gaze
Title（参考訳）: Gaze を用いた参照と非参照の分類
Authors: Victoria Yaneva, Le An Ha, Richard Evans, and Ruslan Mitkov
Abstract要約: 我々は、視線データとPOSタグを使用することで、共通のベースラインを大幅に上回ることを示す。さらに、特定の視線特徴の識別力は、人間が代名詞を処理する方法を知らせる。
参考スコア（独自算出の注目度）: 5.194057654612198
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: When processing a text, humans and machines must disambiguate between different uses of the pronoun it, including non-referential, nominal anaphoric or clause anaphoric ones. In this paper, we use eye-tracking data to learn how humans perform this disambiguation. We use this knowledge to improve the automatic classification of it. We show that by using gaze data and a POS-tagger we are able to significantly outperform a common baseline and classify between three categories of it with an accuracy comparable to that of linguisticbased approaches. In addition, the discriminatory power of specific gaze features informs the way humans process the pronoun, which, to the best of our knowledge, has not been explored using data from a natural reading task.
Abstract（参考訳）: テキストを処理する場合、人間と機械は代名詞の異なる用途の間で曖昧さを和らげなければならない。本稿では、視線追跡データを用いて、人間のあいまいさを学習する。私たちはこの知識を自動分類の改善に利用します。我々は,視線データとPOSタガーを用いて共通のベースラインを大幅に上回り,その3つのカテゴリを言語学的アプローチに匹敵する精度で分類できることを示す。さらに、特定の視線特徴の識別力は、人間が代名詞を処理する方法を知らせるものであり、それは私たちの知る限り、自然読取課題のデータを用いて探索されていない。

関連論文リスト

Explainability of machine learning approaches in forensic linguistics: a case study in geolinguistic authorship profiling [46.58131072375399]
法医学的文脈を考慮した機械学習手法の説明可能性について検討する。我々は、ドイツ語圏のソーシャルメディアデータに基づく未知のテキストのジオ言語的プロファイリングの手段として、多種多様な分類に焦点を当てた。抽出した語彙的特徴がそれぞれの品種を実際に代表しており、訓練されたモデルは分類の場所名にも依存していることに注意する。
論文参考訳（メタデータ） (2024-04-29T08:52:52Z)
Description-Enhanced Label Embedding Contrastive Learning for Text Classification [65.01077813330559]
モデル学習プロセスにおける自己監督型学習(SSL)と新しい自己監督型関係関係(R2)分類タスクの設計テキスト分類とR2分類を最適化対象として扱うテキスト分類のための関係学習ネットワーク(R2-Net)の関係について検討する。ラベルセマンティックラーニングのためのマルチアスペクト記述を得るためのWordNetからの外部知識。
論文参考訳（メタデータ） (2023-06-15T02:19:34Z)
Searching for Discriminative Words in Multidimensional Continuous Feature Space [0.0]
文書から識別キーワードを抽出する新しい手法を提案する。異なる差別的指標が全体的な結果にどのように影響するかを示す。単語特徴ベクトルは文書の意味のトピック的推論を大幅に改善することができると結論付けている。
論文参考訳（メタデータ） (2022-11-26T18:05:11Z)
Towards Procedural Fairness: Uncovering Biases in How a Toxic Language Classifier Uses Sentiment Information [7.022948483613112]
この研究は、不公平なプロセスが不公平な結果をもたらす手続き的公正性を評価するための一歩である。生成された知識は、トレーニングデータセットにおいてアイデンティティ用語以外の重要な概念が適切に表現されていることを保証するために、デバイアス技術(debiasing techniques)をガイドすることができる。
論文参考訳（メタデータ） (2022-10-19T16:03:25Z)
Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
論文参考訳（メタデータ） (2022-10-18T10:03:51Z)
On Guiding Visual Attention with Language Specification [76.08326100891571]
注意をそらすのではなく,タスク関連機能に分類証拠を限定するためのアドバイスとして,ハイレベルな言語仕様を用いる。この方法で空間的注意を監督することは、偏りのあるノイズのあるデータを用いた分類タスクの性能を向上させる。
論文参考訳（メタデータ） (2022-02-17T22:40:19Z)
Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文参考訳（メタデータ） (2021-01-30T18:59:43Z)
R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。最初にBERTを使用して、グローバルな視点から入力文をエンコードします。次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
論文参考訳（メタデータ） (2020-12-16T13:11:30Z)
Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文参考訳（メタデータ） (2020-09-12T17:20:01Z)
Classification of Chinese Handwritten Numbers with Labeled Projective Dictionary Pair Learning [1.8594711725515674]
我々は,識別可能性,空間性,分類誤差の3つの要因を取り入れたクラス固有辞書を設計する。我々は、辞書原子を生成するために、新しい特徴空間、すなわち、向き付け勾配(HOG)のヒストグラムを採用する。その結果,最先端のディープラーニング技術と比較して,分類性能が向上した(sim98%)。
論文参考訳（メタデータ） (2020-03-26T01:43:59Z)

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。