論文の概要: High-order Refining for End-to-end Chinese Semantic Role Labeling

• arxiv url: http://arxiv.org/abs/2009.06957v1
• Date: Tue, 15 Sep 2020 10:01:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 06:07:38.346130
• Title: High-order Refining for End-to-end Chinese Semantic Role Labeling
• Title（参考訳）: エンドツーエンド中国の意味的役割ラベル作成のための高次精錬
• Authors: Hao Fei and Yafeng Ren and Donghong Ji
• Abstract要約: 本稿では,すべての述語対間の相互作用を行うための高次精製機構を提案する。 当社の高次モデルでは,CoNLL09やUniversal Proposition Bankなど,中国のSRLデータの最先端化を実現している。
• 参考スコア（独自算出の注目度）: 34.74181162627023
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Current end-to-end semantic role labeling is mostly accomplished via graph-based neural models. However, these all are first-order models, where each decision for detecting any predicate-argument pair is made in isolation with local features. In this paper, we present a high-order refining mechanism to perform interaction between all predicate-argument pairs. Based on the baseline graph model, our high-order refining module learns higher-order features between all candidate pairs via attention calculation, which are later used to update the original token representations. After several iterations of refinement, the underlying token representations can be enriched with globally interacted features. Our high-order model achieves state-of-the-art results on Chinese SRL data, including CoNLL09 and Universal Proposition Bank, meanwhile relieving the long-range dependency issues.
• Abstract（参考訳）: 現在のエンドツーエンドのセマンティックロールラベリングは、主にグラフベースのニューラルモデルによって実現されている。 しかし、これらは全て一階モデルであり、述語対を検出するための各決定は、局所的な特徴と独立に行われる。 本稿では,すべての述語対間の相互作用を行う高次精製機構を提案する。 ベースライングラフモデルに基づいて、我々の高次精製モジュールは、後に元のトークン表現を更新するために使用される注意計算により、すべての候補ペア間の高次特徴を学習する。 改良を繰り返した後、基盤となるトークン表現は、グローバルに相互作用した機能で拡張することができる。 当社の高次モデルでは,CoNLL09やUniversal Proposition Bankなど,中国のSRLデータに関する最新結果が得られている。

関連論文リスト

• COrAL: Order-Agnostic Language Modeling for Efficient Iterative Refinement [80.18490952057125]
  反復改良は、複雑なタスクにおける大規模言語モデル(LLM)の能力を高める効果的なパラダイムとして登場した。 我々はこれらの課題を克服するために、コンテキストワイズ順序非依存言語モデリング(COrAL)を提案する。 当社のアプローチでは、管理可能なコンテキストウィンドウ内で複数のトークン依存関係をモデル化しています。
  論文  参考訳（メタデータ） (2024-10-12T23:56:19Z)
• Transferring Neural Potentials For High Order Dependency Parsing [0.0]
  本稿では,ビスフィンスコアを用いてアークスコアを推定し,それからグラフィカルモデルに伝播する。 グラフィカルモデル内の推論は二重分解を用いて解決される。
  論文  参考訳（メタデータ） (2023-06-18T03:58:41Z)
• HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
  本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
  論文  参考訳（メタデータ） (2023-05-07T14:57:42Z)
• Long Document Summarization with Top-down and Bottom-up Inference [113.29319668246407]
  本稿では、2つの側面の要約モデルを改善するための原則的推論フレームワークを提案する。 我々のフレームワークは、トップレベルが長距離依存性をキャプチャするドキュメントの階層的な潜在構造を前提としています。 本稿では,様々な要約データセットに対して提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-03-15T01:24:51Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• End-to-end Semantic Role Labeling with Neural Transition-based Model [25.921541005563856]
  エンドツーエンドのセマンティックロールラベリング(SRL)が注目されています。 最近の研究は主にグラフベースのニューラルモデルに焦点を当てている。 本稿では,エンドツーエンドSRLのための遷移型ニューラルモデルについて紹介する。
  論文  参考訳（メタデータ） (2021-01-02T07:35:54Z)
• High-order Semantic Role Labeling [86.29371274587146]
  本稿では,ニューラルセマンティックロールラベリングモデルのための高階グラフ構造を提案する。 これにより、モデルは孤立述語-引数対だけでなく、述語-引数対間の相互作用も明示的に考慮することができる。 CoNLL-2009ベンチマークの7つの言語に対する実験結果から、高次構造学習技術は強力なSRLモデルに有益であることが示された。
  論文  参考訳（メタデータ） (2020-10-09T15:33:54Z)
• Improving Coreference Resolution by Leveraging Entity-Centric Features with Graph Neural Networks and Second-order Inference [12.115691569576345]
  Coreferentの言及は通常、テキスト全体においてはるかに分散しており、エンティティレベルの機能を組み込むのが困難である。 本稿では,エンティティ中心の情報をキャプチャ可能なグラフニューラルネットワークに基づくコア参照分解法を提案する。 グローバル推論アルゴリズムは、クラスタの参照を一貫したグループに最適化する。
  論文  参考訳（メタデータ） (2020-09-10T02:22:21Z)
• Guider l'attention dans les modeles de sequence a sequence pour la prediction des actes de dialogue [10.171893967006017]
  我々は、タグシーケンシャルのモデリングを改善するために、ニューラルネットワーク翻訳において広く採用されているseq2seqアプローチを活用する。 本研究では、階層エンコーダ、新しい注意機構、およびビームサーチをトレーニングと推論の両方に適用した、DA分類に適したSeq2seqモデルを提案する。 提案手法は,SwDAの精度スコアが85%,MRDAの精度スコアが91.6%である。
  論文  参考訳（メタデータ） (2020-02-21T17:09:19Z)

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。