論文の概要: Grounded Adaptation for Zero-shot Executable Semantic Parsing

• arxiv url: http://arxiv.org/abs/2009.07396v3
• Date: Mon, 1 Feb 2021 20:44:05 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-17 22:43:22.458369
• Title: Grounded Adaptation for Zero-shot Executable Semantic Parsing
• Title（参考訳）: ゼロショット実行可能意味解析のための接地適応
• Authors: Victor Zhong, Mike Lewis, Sida I. Wang, Luke Zettlemoyer
• Abstract要約: 我々は,既存のセマンティックパーシングを新しい環境に適応させるために,ゼロショット実行可能セマンティックパーシング(GAZP)のためのグラウンドド適応を提案する。 GAZPは、フォワードセマンティックパーシングと後方発話生成器を組み合わせて、新しい環境でデータを合成し、適応するためにサイクル一貫性のある例を選択する。 トレーニング環境では、通常、検証されていないサンプルを合成するデータ拡張とは異なり、GAZPは入力出力が検証された新しい環境でサンプルを合成する。
• 参考スコア（独自算出の注目度）: 96.07134989233278
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose Grounded Adaptation for Zero-shot Executable Semantic Parsing (GAZP) to adapt an existing semantic parser to new environments (e.g. new database schemas). GAZP combines a forward semantic parser with a backward utterance generator to synthesize data (e.g. utterances and SQL queries) in the new environment, then selects cycle-consistent examples to adapt the parser. Unlike data-augmentation, which typically synthesizes unverified examples in the training environment, GAZP synthesizes examples in the new environment whose input-output consistency are verified. On the Spider, Sparc, and CoSQL zero-shot semantic parsing tasks, GAZP improves logical form and execution accuracy of the baseline parser. Our analyses show that GAZP outperforms data-augmentation in the training environment, performance increases with the amount of GAZP-synthesized data, and cycle-consistency is central to successful adaptation.
• Abstract（参考訳）: 既存のセマンティックパーサを新しい環境(例えば新しいデータベーススキーマ)に適応させるために,ゼロショット実行可能なセマンティックパーシング(GAZP)のためのグラウンド適応を提案する。 GAZPは新しい環境でデータ(例えば、発話とSQLクエリ)を合成するために前方のセマンティックパーサと後方の発話生成器を組み合わせる。 トレーニング環境では検証されていない例を合成するデータ拡張とは異なり、GAZPは入力と出力の整合性を検証する新しい環境でサンプルを合成する。 Spider、Sparc、CoSQLのゼロショットセマンティック解析タスクでは、GAZPはベースラインパーサの論理形式と実行精度を改善している。 分析の結果,GAZPはトレーニング環境におけるデータ拡張に優れ,GAZP合成データの量によって性能が向上し,サイクル整合性が適応の鍵となることがわかった。

関連論文リスト

• Evaluating LLM Prompts for Data Augmentation in Multi-label Classification of Ecological Texts [1.565361244756411]
  大規模言語モデル(LLM)は自然言語処理(NLP)タスクにおいて重要な役割を果たす。 本研究では,ロシアのソーシャルメディアにおけるグリーンプラクティスの言及を検出するために,プロンプトベースのデータ拡張を適用した。
  論文  参考訳（メタデータ） (2024-11-22T12:37:41Z)
• Adapt and Decompose: Efficient Generalization of Text-to-SQL via Domain Adapted Least-To-Most Prompting [17.76680432249867]
  テキスト・ツー・セマンティック・パーシングのクロスドメインとクロスコンポジションの一般化は難しい課題である。 既存のソリューションは、自然言語(NL)テストクエリ毎に実行時のプロンプトを合成するために、トレーニングセットから少数ショット例の推論時検索に依存している。 対照的に、トレーニングデータから最小数ショットのセットをオフラインでサンプリングするアルゴリズムを考案する。
  論文  参考訳（メタデータ） (2023-08-01T05:31:36Z)
• Holistic Exploration on Universal Decompositional Semantic Parsing: Architecture, Data Augmentation, and LLM Paradigm [24.993992573870145]
  複雑な解析タスクを意味的に適切なサブタスクに分解する UDS 解析のためのカスケードモデルを提案する。 提案手法は,推定時間を大幅に削減しつつ,先行モデルよりも優れる。 データ拡張のさまざまな方法が検討され、UDSパーシングをさらに改善した。
  論文  参考訳（メタデータ） (2023-07-25T11:44:28Z)
• ParaAMR: A Large-Scale Syntactically Diverse Paraphrase Dataset by AMR Back-Translation [59.91139600152296]
  ParaAMRは、抽象的な表現のバックトランスレーションによって生成される、大規模な構文的に多様なパラフレーズデータセットである。 そこで本研究では,ParaAMRを用いて文の埋め込み学習,構文的に制御されたパラフレーズ生成,数ショット学習のためのデータ拡張という,3つのNLPタスクを改善することができることを示す。
  論文  参考訳（メタデータ） (2023-05-26T02:27:33Z)
• Mind the Label Shift of Augmentation-based Graph OOD Generalization [88.32356432272356]
  LiSAは、トレーニンググラフの textbfLabel-textbfinvariant textbfSubgraphs を利用して textbfAugmented環境を構築する。 LiSAは、一貫した予測関係を持つ多様な拡張環境を生成する。 ノードレベルのOODベンチマークとグラフレベルのOODベンチマークの実験により、LiSAは異なるGNNバックボーンで印象的な一般化性能を達成することが示された。
  論文  参考訳（メタデータ） (2023-03-27T00:08:45Z)
• 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)
• HETFORMER: Heterogeneous Transformer with Sparse Attention for Long-Text Extractive Summarization [57.798070356553936]
  HETFORMERはトランスフォーマーをベースとした事前学習モデルであり、抽出要約のための多粒度スパースアテンションを持つ。 単一文書と複数文書の要約タスクの実験から,HETFORMERがルージュF1の最先端性能を達成することが示された。
  論文  参考訳（メタデータ） (2021-10-12T22:42:31Z)
• Learning to Synthesize Data for Semantic Parsing [57.190817162674875]
  本稿では,プログラムの構成をモデル化し,プログラムを発話にマップする生成モデルを提案する。 PCFGと事前学習されたBARTの簡易性により,既存のデータから効率的に生成モデルを学習することができる。 GeoQuery と Spider の標準ベンチマークで解析する text-to-Query の in-domain と out-of-domain の両方で、この手法を評価します。
  論文  参考訳（メタデータ） (2021-04-12T21:24:02Z)
• Generating Syntactically Controlled Paraphrases without Using Annotated Parallel Pairs [37.808235216195484]
  注釈付きパラフレーズペアを必要とせずに,構文的に様々なパラフレーズを生成できることが示唆された。 構文制御パラフレーズ生成(SynPG: Syntactically Control Paraphrase Generator)は,文の意味と構文を解読するエンコーダデコーダベースのモデルである。
  論文  参考訳（メタデータ） (2021-01-26T06:13:52Z)

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。