論文の概要: A Simple Global Neural Discourse Parser

• arxiv url: http://arxiv.org/abs/2009.01312v2
• Date: Tue, 8 Sep 2020 15:33:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-22 19:11:52.759645
• Title: A Simple Global Neural Discourse Parser
• Title（参考訳）: 単純大域的神経談話解析器
• Authors: Yichu Zhou, Omri Koshorek, Vivek Srikumar and Jonathan Berant
• Abstract要約: 本稿では,手作業で構築した特徴を必要とせず,学習したスパン表現のみに基づく簡易なグラフベースニューラル談話を提案する。 我々は,我々のモデルが世界規模で最高の性能を達成し,最先端の欲求に匹敵する性能を実証的に示す。
• 参考スコア（独自算出の注目度）: 61.728994693410954
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Discourse parsing is largely dominated by greedy parsers with manually-designed features, while global parsing is rare due to its computational expense. In this paper, we propose a simple chart-based neural discourse parser that does not require any manually-crafted features and is based on learned span representations only. To overcome the computational challenge, we propose an independence assumption between the label assigned to a node in the tree and the splitting point that separates its children, which results in tractable decoding. We empirically demonstrate that our model achieves the best performance among global parsers, and comparable performance to state-of-art greedy parsers, using only learned span representations.
• Abstract（参考訳）: 談話構文解析は、主に手作業で設計した欲望のあるパーサーが中心であるが、グローバルパースはその計算コストのために稀である。 本稿では,手作業による特徴を一切必要とせず,学習したスパン表現のみに基づく簡易なチャートベースのニューラル・ディスコース・パーサを提案する。 計算課題を克服するために,木内のノードに割り当てられたラベルと,その子を分離する分割点との間に独立性の仮定を提案する。 我々は,学習したスパン表現のみを使用して,グローバルパーサの最高の性能と最先端の欲望パーサに匹敵するパフォーマンスを達成できることを実証的に証明した。

関連論文リスト

• Contextual Distortion Reveals Constituency: Masked Language Models are Implicit Parsers [7.558415495951758]
  マスク付き言語モデル(LM)から解析木を抽出する新しい手法を提案する。 本手法は,言語摂動による文脈表現の歪みに基づいて,各スパンのスコアを算出する。 本手法は,マスク付きLMを用いた英語における従来の最先端手法を一貫して上回り,多言語環境での優れた性能を示す。
  論文  参考訳（メタデータ） (2023-06-01T13:10:48Z)
• Laziness Is a Virtue When It Comes to Compositionality in Neural Semantic Parsing [20.856601758389544]
  本稿では,論理形式の葉から始まる論理形式をボトムアップから構築するニューラルセマンティック解析生成手法を提案する。 我々の新しいボトムアップ・パーシング・セマンティック・テクニックは、汎用的なセマンティクスよりも優れており、同等のニューラル・セマンティクスと競合していることを示す。
  論文  参考訳（メタデータ） (2023-05-07T17:53:08Z)
• Cascading and Direct Approaches to Unsupervised Constituency Parsing on Spoken Sentences [67.37544997614646]
  本研究は,教師なし音声補聴における最初の研究である。 目的は, 音声文の階層的構文構造を, 選挙区解析木の形で決定することである。 正確なセグメンテーションだけでは、音声文を正確に解析するのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-15T17:57:22Z)
• On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
  我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。 改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。 我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
  論文  参考訳（メタデータ） (2021-10-15T21:41:16Z)
• Learning compositional structures for semantic graph parsing [81.41592892863979]
  本稿では、AM依存性解析をニューラル潜在変数モデルで直接トレーニングする方法を示す。 本モデルでは,いくつかの言語現象を独自に把握し,教師あり学習に匹敵する精度を達成している。
  論文  参考訳（メタデータ） (2021-06-08T14:20:07Z)
• Constrained Language Models Yield Few-Shot Semantic Parsers [73.50960967598654]
  我々は,事前学習された大規模言語モデルの利用を,少ない意味論として検討する。 意味構文解析の目標は、自然言語入力によって構造化された意味表現を生成することである。 言語モデルを用いて、入力を英語に似た制御されたサブ言語にパラフレーズし、対象の意味表現に自動的にマッピングする。
  論文  参考訳（メタデータ） (2021-04-18T08:13:06Z)
• Low-Resource Task-Oriented Semantic Parsing via Intrinsic Modeling [65.51280121472146]
  私たちは本質的にオントロジーラベルについて知っているものを利用して、効率的なセマンティック解析モデルを構築します。 我々のモデルはTOPv2から派生した低リソースのベンチマークを用いて高効率である。
  論文  参考訳（メタデータ） (2021-04-15T04:01:02Z)
• Iterative Utterance Segmentation for Neural Semantic Parsing [38.344720207846905]
  反復発話セグメンテーションによるニューラルセマンティクスドメインの促進のための新しいフレームワークを提案する。 重要な利点の1つは、このフレームワークがセグメンタのための手作業の発声やラベル付きデータを必要としないことである。 Geo 63.1 から 81.2, Formulas 59.7 から 72.7, ComplexWebQuestions 27.1 から 56.3 である。
  論文  参考訳（メタデータ） (2020-12-13T09:46:24Z)
• Named Entity Recognition as Dependency Parsing [16.544333689188246]
  グラフベースの依存性解析を使用して、バフィンモデルによる入力のグローバルビューをモデルに提供します。 このモデルは,8コーパスの評価とSoTA性能の達成により,最大2.2ポイントの精度向上を達成し,ネスト型NERと平坦型NERの両方で良好に動作することを示す。
  論文  参考訳（メタデータ） (2020-05-14T17:11:41Z)

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。