論文の概要: Segmentation Approach for Coreference Resolution Task

• arxiv url: http://arxiv.org/abs/2007.04301v1
• Date: Tue, 30 Jun 2020 16:44:28 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-15 05:49:13.766490
• Title: Segmentation Approach for Coreference Resolution Task
• Title（参考訳）: コリファレンス解決タスクのためのセグメンテーションアプローチ
• Authors: Aref Jafari, Ali Ghodsi
• Abstract要約: コア参照の解決においては、コア参照クラスタのすべてのメンバを考慮し、それらすべてについて一度に決めることが重要です。 本稿では,文書に記載されているすべてのコア参照参照を1パスで解決する,コア参照解決のための新しいアプローチを提案する。
• 参考スコア（独自算出の注目度）: 4.000580823870735
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In coreference resolution, it is important to consider all members of a coreference cluster and decide about all of them at once. This technique can help to avoid losing precision and also in finding long-distance relations. The presented paper is a report of an ongoing study on an idea which proposes a new approach for coreference resolution which can resolve all coreference mentions to a given mention in the document in one pass. This has been accomplished by defining an embedding method for the position of all members of a coreference cluster in a document and resolving all of them for a given mention. In the proposed method, the BERT model has been used for encoding the documents and a head network designed to capture the relations between the embedded tokens. These are then converted to the proposed span position embedding matrix which embeds the position of all coreference mentions in the document. We tested this idea on CoNLL 2012 dataset and although the preliminary results from this method do not quite meet the state-of-the-art results, they are promising and they can capture features like long-distance relations better than the other approaches.
• Abstract（参考訳）: コレファレンス解決では、コレファレンスクラスタのすべてのメンバを考慮し、それらをすべて同時に決定することが重要である。 この技術は精度の低下や長距離関係の発見にも有効である。 本論文は,文献に記載されたすべての参照項を1パスで解決できる,コリファレンス解決のための新しいアプローチを提案する,アイデアに関する継続的な研究の報告である。 これは、ドキュメント内のコリファレンスクラスタのすべてのメンバの位置に対する埋め込みメソッドを定義し、それらすべてを所定の言及のために解決することで実現されている。 提案手法では,文書のエンコードにBERTモデルを,埋め込みトークン間の関係を捉えるために設計したヘッダネットワークを用いている。 これらは提案されたスパン位置埋め込み行列に変換され、ドキュメント内のすべてのコア参照参照の位置を埋め込む。 我々は、conll 2012データセットでこのアイデアをテストし、この方法による予備的な結果は最先端の結果を完全に満たさないが、有望であり、他のアプローチよりも長距離関係のような機能を捉えることができる。

関連論文リスト

• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• Revisiting Proposal-based Object Detection [59.97295544455179]
  提案手法により画像中の物体を検出するパイプラインを再検討する。 我々は提案と根拠的真理の交わりの領域に回帰する単純な問題を解決する。 私たちの再検討されたアプローチは、検出パイプラインの変更を最小限にして、既存のメソッドにプラグインすることができます。
  論文  参考訳（メタデータ） (2023-11-30T12:40:23Z)
• Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
  コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T08:55:47Z)
• Neural Coreference Resolution based on Reinforcement Learning [53.73316523766183]
  コアレゾリューションシステムは2つのサブタスクを解決する必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクターをベースとした強化学習型ニューラルコア参照分解システムを提案する。
  論文  参考訳（メタデータ） (2022-12-18T07:36:35Z)
• Cross-document Event Coreference Search: Task, Dataset and Modeling [26.36068336169796]
  我々は、タスクのために、魅力的な、より適用可能な補完的な設定 - クロスドキュメントの参照検索を提案する。 このタスクの研究を支援するために、Wikipediaから派生した対応するデータセットを作成します。 本稿では,強力なコア参照スコアリング方式をDPRアーキテクチャに統合し,性能を向上する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-23T08:21:25Z)
• Relational Proxies: Emergent Relationships as Fine-Grained Discriminators [52.17542855760418]
  本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。 我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。 また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
  論文  参考訳（メタデータ） (2022-10-05T11:08:04Z)
• Focus on what matters: Applying Discourse Coherence Theory to Cross Document Coreference [22.497877069528087]
  ドキュメント間でのイベントとエンティティのコア参照の解決は、候補参照の数を大幅に増加させ、完全な$n2$ペアワイズ比較を行うことを難しくする。 既存のアプローチでは、ドキュメントクラスタ内でのコア参照のみを考慮することで単純化されているが、クラスタ間のコア参照を処理できない。 我々は、談話コヒーレンス理論の洞察に基づいて、潜在的コア推論は、読者の談話焦点によって制約される。 本手法は,ECB+,ガン・バイオレンス,フットボール・コアス,クロスドメイン・クロスドキュメント・コアス・コーパスにおけるイベントとエンティティの両面での最先端の成果を達成する。
  論文  参考訳（メタデータ） (2021-10-11T15:41:47Z)
• WEC: Deriving a Large-scale Cross-document Event Coreference dataset from Wikipedia [14.324743524196874]
  本稿では,ウィキペディアからのクロスドキュメントイベントコアスのための大規模データセット収集のための効率的な手法であるウィキペディアイベントコアス(WEC)を提案する。 この手法を英語ウィキペディアに適用し,大規模wec-engデータセットを抽出する。 我々は,ドキュメント内コリファレンス解決のために最先端モデルのコンポーネントをクロスドキュメント設定に適応させるアルゴリズムを開発した。
  論文  参考訳（メタデータ） (2021-04-11T14:54:35Z)
• Improving Calibration in Deep Metric Learning With Cross-Example Softmax [11.014197662964335]
  我々は,トップ$kとしきい値の関係性を組み合わせたクロスサンプルソフトマックスを提案する。 各イテレーションにおいて、提案された損失は、すべてのクエリがすべての非マッチングイメージよりも、すべてのクエリが一致するイメージに近づくことを奨励する。 これにより、世界規模で校正された類似度メートル法が導き出され、距離は関連性の絶対測度としてより解釈可能である。
  論文  参考訳（メタデータ） (2020-11-17T18:47:28Z)
• Streamlining Cross-Document Coreference Resolution: Evaluation and Modeling [25.94435242086499]
  クロスドキュメント(CD)コア参照解決のための最近の評価プロトコルは、しばしば矛盾または寛大である。 我々の主な貢献は、原文のみにアクセスすることを前提とした実用的評価手法を提案することである。 我々のモデルは、CDコア参照設定に対処するためにドキュメント内コア参照解決のために、最近のニューラルモデルを適用し、拡張する。
  論文  参考訳（メタデータ） (2020-09-23T10:02:10Z)
• Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
  我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。 提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。 既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
  論文  参考訳（メタデータ） (2020-04-28T17:17:11Z)

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。