Fugu-MT 論文翻訳(概要): Neural RST-based Evaluation of Discourse Coherence

論文の概要: Neural RST-based Evaluation of Discourse Coherence

arxiv url: http://arxiv.org/abs/2009.14463v1
Date: Wed, 30 Sep 2020 06:00:37 GMT
ステータス: 翻訳完了
システム内更新日: 2022-10-12 23:26:33.441592
Title: Neural RST-based Evaluation of Discourse Coherence
Title（参考訳）: ニューラルRTTによる談話コヒーレンスの評価
Authors: Grigorii Guz, Peyman Bateni, Darius Muglich, Giuseppe Carenini
Abstract要約: 銀標準RTT特徴を取り入れることでコヒーレンスを分類する際の精度が向上することを示した。木再帰ニューラルモデル、すなわちRTT再帰モデルを通してこれを実証する。
参考スコア（独自算出の注目度）: 17.32363045763075
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper evaluates the utility of Rhetorical Structure Theory (RST) trees and relations in discourse coherence evaluation. We show that incorporating silver-standard RST features can increase accuracy when classifying coherence. We demonstrate this through our tree-recursive neural model, namely RST-Recursive, which takes advantage of the text's RST features produced by a state of the art RST parser. We evaluate our approach on the Grammarly Corpus for Discourse Coherence (GCDC) and show that when ensembled with the current state of the art, we can achieve the new state of the art accuracy on this benchmark. Furthermore, when deployed alone, RST-Recursive achieves competitive accuracy while having 62% fewer parameters.
Abstract（参考訳）: 本稿では、レトリック構造理論(RST)木の有用性と談話コヒーレンス評価における関係性を評価する。銀標準のrst機能を組み込むことでコヒーレンス分類の精度が向上することを示す。我々は、木再帰的ニューラルモデル、すなわち、アートRTTパーサの状態によって生成されたテキストのRTT特徴を生かしたRTT-Recursiveを通してこれを実証する。我々は,Grammarly Corpus for Discourse Coherence (GCDC) に対する我々のアプローチを評価し,現在の技術状況に合わせると,このベンチマークで新たな技術精度を実現することができることを示す。さらに、RST-Recursiveは単独でデプロイすると、62%のパラメータで競合精度を達成できる。

関連論文リスト

Local Statistical Parity for the Estimation of Fair Decision Trees [0.0]
本研究では,公平性を促進するために,ツリーノードに局所的なフェアネス基準を提案する。本稿では,アルゴリズムフェアネス文学で人気のある統計的パリティ基準との関連性を示す。制約付きロジスティック回帰木(C-LRT)と呼ばれる木の推定アルゴリズムを提案する。
論文参考訳（メタデータ） (2025-04-25T11:15:55Z)
Scalable Learning of Latent Language Structure With Logical Offline Cycle Consistency [71.42261918225773]
概念的には、LOCCOは、トレーニング対象のセマンティクスを使用してラベルなしテキストのアノテーションを生成する、自己学習の一形態と見なすことができる。追加ボーナスとして、LOCCOによって生成されたアノテーションは、神経テキスト生成モデルをトレーニングするために自明に再利用することができる。
論文参考訳（メタデータ） (2023-05-31T16:47:20Z)
Fast Rule-Based Decoding: Revisiting Syntactic Rules in Neural Constituency Parsing [9.858565876426411]
従来の研究では、構文規則に基づく確率論的統計手法が特に選挙区解析に有効であることが示されている。本稿では,GPUアクセラレーションを利用した高速なCKY復号法を最初に実装し,さらに構文規則に基づく(ルール制約付き)CKY復号法を導出する。
論文参考訳（メタデータ） (2022-12-16T13:07:09Z)
Nested Named Entity Recognition as Holistic Structure Parsing [92.8397338250383]
本研究は,文中の全入れ子NEを全体構造としてモデル化し,全体構造解析アルゴリズムを提案する。実験により、我々のモデルは、最先端にアプローチしたり、あるいは達成したりするような、広く使われているベンチマークで有望な結果が得られることが示された。
論文参考訳（メタデータ） (2022-04-17T12:48:20Z)
Open-Set Recognition: A Good Closed-Set Classifier is All You Need [146.6814176602689]
分類器が「ゼロ・オブ・ア・ア・ア・ベ」決定を行う能力は、閉集合クラスにおける精度と高い相関関係があることが示される。この相関を利用して、閉セット精度を向上させることにより、クロスエントロピーOSR'ベースライン'の性能を向上させる。また、セマンティックノベルティを検出するタスクをより尊重する新しいベンチマークを構築した。
論文参考訳（メタデータ） (2021-10-12T17:58:59Z)
W-RST: Towards a Weighted RST-style Discourse Framework [7.421040034454999]
テキストセグメント間の重要度のバイナリアセスメントを割り当てるRST Nuclearityは、自動生成された実値スコアに置き換えられる。補助的なタスクから重み付けされた談話木は、核性中心のアプローチと比較して、重要なNLP下流応用に有用であることがわかった。
論文参考訳（メタデータ） (2021-06-04T18:12:09Z)
RST Parsing from Scratch [14.548146390081778]
本稿では、RST(Rhetorical Structure Theory)フレームワークにおいて、文書レベルの言論解析の新しいエンドツーエンドの定式化を導入する。本フレームワークは,会話のセグメンテーションを前提条件として必要とせず,スクラッチからの談話解析を容易にする。我々の統合構文解析モデルでは、ビームサーチを用いて、最高の木構造を高速な木々の空間を探索することでデコードする。
論文参考訳（メタデータ） (2021-05-23T06:19:38Z)
Graph Convolutional Network for Swahili News Classification [78.6363825307044]
この研究は、半教師付きスワヒリニュース分類のタスクにおいて、テキストグラフ畳み込みネットワーク(Text GCN)が従来の自然言語処理ベンチマークより優れていることを実証的に示す。
論文参考訳（メタデータ） (2021-03-16T21:03:47Z)
Unleashing the Power of Neural Discourse Parsers -- A Context and Structure Aware Approach Using Large Scale Pretraining [26.517219486173598]
RSTに基づく談話解析は、要約、機械翻訳、意見マイニングなど、多くの下流アプリケーションにおいて重要なNLPタスクである。本稿では,近年の文脈言語モデルを取り入れた,シンプルかつ高精度な談話解析について述べる。 RST-DTとInstr-DTの2つの主要なRTTデータセットにおける構造と核性を予測するための新しい最先端(SOTA)性能を確立する。
論文参考訳（メタデータ） (2020-11-06T06:11:26Z)
Improved Code Summarization via a Graph Neural Network [96.03715569092523]
一般に、ソースコード要約技術はソースコードを入力として使用し、自然言語記述を出力する。これらの要約を生成するために、ASTのデフォルト構造によくマッチするグラフベースのニューラルアーキテクチャを使用するアプローチを提案する。
論文参考訳（メタデータ） (2020-04-06T17:36:42Z)
Pseudo-Convolutional Policy Gradient for Sequence-to-Sequence Lip-Reading [96.48553941812366]
唇読解は唇運動系列から音声内容を推測することを目的としている。 seq2seqモデルの伝統的な学習プロセスには2つの問題がある。本稿では,これら2つの問題に対処するために,PCPGに基づく新しい手法を提案する。
論文参考訳（メタデータ） (2020-03-09T09:12:26Z)

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。