Fugu-MT 論文翻訳(概要): SemEval-2020 Task 6: Definition extraction from free text with the DEFT corpus

論文の概要: SemEval-2020 Task 6: Definition extraction from free text with the DEFT corpus

arxiv url: http://arxiv.org/abs/2008.13694v1
Date: Mon, 31 Aug 2020 15:55:24 GMT
ステータス: 処理完了
システム内更新日: 2022-10-23 07:10:50.813191
Title: SemEval-2020 Task 6: Definition extraction from free text with the DEFT corpus
Title（参考訳）: SemEval-2020 Task 6: DEFTコーパスによる自由テキストからの定義抽出
Authors: Sasha Spala, Nicholas A Miller, Franck Dernoncourt, Carl Dockhorn
Abstract要約: 参加者が自由テキストから定義を抽出するSemEval共有タスクであるDeftEvalを提案する。 DeftEvalは3つの異なるサブタスクを含む:文分類、シーケンスラベリング、関係抽出。
参考スコア（独自算出の注目度）: 28.67911239741097
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Research on definition extraction has been conducted for well over a decade, largely with significant constraints on the type of definitions considered. In this work, we present DeftEval, a SemEval shared task in which participants must extract definitions from free text using a term-definition pair corpus that reflects the complex reality of definitions in natural language. Definitions and glosses in free text often appear without explicit indicators, across sentences boundaries, or in an otherwise complex linguistic manner. DeftEval involved 3 distinct subtasks: 1)Sentence classification, 2) sequence labeling, and 3) relation extraction.
Abstract（参考訳）: 定義抽出の研究は10年以上にわたって行われており、主に考慮された定義の種類に重大な制約がある。本稿では,自然言語における定義の複雑な現実を反映する項定義ペアコーパスを用いて,自由テキストから定義を抽出しなければならないセメバル共有タスクであるdeftevalを提案する。自由テキストにおける定義とグロスはしばしば明示的な指標や文の境界を越えて、あるいは他の複雑な言語的な方法で現れる。 deftevalには3つの異なるサブタスクが含まれている。 2)シーケンスラベリング、及び 3)関係抽出。

関連論文リスト

Natural Language Decompositions of Implicit Content Enable Better Text Representations [56.85319224208865]
本稿では,暗黙的に伝達されたコンテンツを明示的に考慮したテキスト分析手法を提案する。我々は大きな言語モデルを用いて、観察されたテキストと推論的に関係する命題の集合を生成する。本研究は,NLPにおいて,文字のみではなく,観察された言語の背景にある意味をモデル化することが重要であることを示唆する。
論文参考訳（メタデータ） (2023-05-23T23:45:20Z)
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)
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)
Semeval-2022 Task 1: CODWOE -- Comparing Dictionaries and Word Embeddings [1.5293427903448025]
我々は不透明な単語ベクトルと人間可読な定義との関係に焦点をあてる。この問題は自然に2つのサブタスクに分けられる: 定義を埋め込みに変換し、埋め込みを定義に変換する。このタスクは、同質に訓練された埋め込みの同等のセットを使用して、多言語設定で実行された。
論文参考訳（メタデータ） (2022-05-27T09:40:33Z)
CDM: Combining Extraction and Generation for Definition Modeling [8.487707405248242]
本稿では,定義モデリングのための抽出と生成を組み合わせることを提案する。まず、Webから対象用語の自己および相関的な定義情報を抽出する。そして、抽出した定義情報を組み込んで最終定義を生成する。
論文参考訳（メタデータ） (2021-11-14T08:03:18Z)
Connect-the-Dots: Bridging Semantics between Words and Definitions via Aligning Word Sense Inventories [47.03271152494389]
Word Sense Disambiguationは、そのコンテキストに応じて、ある単語の正確な意味を自動的に識別することを目的としている。既存の教師付きモデルは、限られた訓練データのために稀な単語感覚の正確な予測に苦慮している。我々は,定義文を異なる意味の在庫から同じ意味に整合させ,豊富な語彙知識を収集する光沢アライメントアルゴリズムを提案する。
論文参考訳（メタデータ） (2021-10-27T00:04:33Z)
Unsupervised Technical Domain Terms Extraction using Term Extractor [9.23545668304066]
用語抽出の目的は、与えられたコーパスから関連する単語またはフレーズを自動的に抽出することです。本稿では,チャンキング,プリプロセッシング,ランク付けといったドメイン固有項を考慮した,監視されていない自動ドメイン用語抽出手法に注目する。
論文参考訳（メタデータ） (2021-01-22T09:24:09Z)
Measuring Association Between Labels and Free-Text Rationales [60.58672852655487]
解釈可能なNLPでは、説明された例に対するモデルの意思決定プロセスを反映した忠実な理性が必要です。情報抽出型タスクに対する忠実な抽出合理化のための既存のモデルであるパイプラインは、自由テキスト合理化を必要とするタスクに確実に拡張されないことを示す。我々は、信頼が確立されていない自由文合理化のための、広く使われている高性能モデルのクラスである、共同予測と合理化のモデルに目を向ける。
論文参考訳（メタデータ） (2020-10-24T03:40:56Z)
Constrained Abstractive Summarization: Preserving Factual Consistency with Constrained Generation [93.87095877617968]
本稿では,抽象要約の現実的一貫性を保ちつつ,制約付き抽象要約(CAS)を提案する。我々は、CASを満たすために、一般的に自己回帰生成モデルに適用される語彙制約付き復号法を採用する。対話的要約において1つの手動制約のみを使用する場合、最大13.8ROUGE-2ゲインを観測する。
論文参考訳（メタデータ） (2020-10-24T00:27:44Z)

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。