Fugu-MT 論文翻訳(概要): CoRefi: A Crowd Sourcing Suite for Coreference Annotation

論文の概要: CoRefi: A Crowd Sourcing Suite for Coreference Annotation

arxiv url: http://arxiv.org/abs/2010.02588v1
Date: Tue, 6 Oct 2020 09:55:36 GMT
ステータス: 処理完了
システム内更新日: 2022-10-10 06:57:20.556808
Title: CoRefi: A Crowd Sourcing Suite for Coreference Annotation
Title（参考訳）: CoRefi: リファレンスアノテーションのためのクラウドソーシングスイート
Authors: Aaron Bornstein, Arie Cattan, Ido Dagan
Abstract要約: CoRefiはクラウドソーシング向けのWebベースのコア参照アノテーションスイートである。 CoRefiはオープンソースで、任意のWebサイトに直接埋め込まれる。
参考スコア（独自算出の注目度）: 19.10078345537965
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Coreference annotation is an important, yet expensive and time consuming, task, which often involved expert annotators trained on complex decision guidelines. To enable cheaper and more efficient annotation, we present CoRefi, a web-based coreference annotation suite, oriented for crowdsourcing. Beyond the core coreference annotation tool, CoRefi provides guided onboarding for the task as well as a novel algorithm for a reviewing phase. CoRefi is open source and directly embeds into any website, including popular crowdsourcing platforms. CoRefi Demo: aka.ms/corefi Video Tour: aka.ms/corefivideo Github Repo: https://github.com/aribornstein/corefi
Abstract（参考訳）: 参照アノテーションは、重要なが高価で時間を要するタスクであり、複雑な意思決定ガイドラインに基づいて訓練された専門家アノテータがしばしば関与する。より安価で効率的なアノテーションを実現するために,クラウドソーシングを指向したwebベースのコリファレンスアノテーションスイートcorefiを提案する。コアコア参照アノテーションツール以外にも、CoRefiはタスクのガイド付きオンボードとレビューフェーズのための新しいアルゴリズムを提供している。 CoRefiはオープンソースで、人気のあるクラウドソーシングプラットフォームを含むあらゆるウェブサイトに直接組み込まれている。 CoRefi Demo: aka.ms/corefi Video Tour: aka.ms/corefivideo Github Repo: https://github.com/aribornstein/corefi

関連論文リスト

SLAck: Semantic, Location, and Appearance Aware Open-Vocabulary Tracking [89.43370214059955]
Open-vocabulary Multiple Object Tracking (MOT)は、トレーニングセットにはない新しいカテゴリにトラッカーを一般化することを目的としている。我々は,連合の初期段階において,意味論,位置,出現の先行を共同で検討する統一的な枠組みを提案する。提案手法は,異なるキューを融合するための複雑な後処理を排除し,大規模オープン語彙追跡のための関連性能を大幅に向上させる。
論文参考訳（メタデータ） (2024-09-17T14:36:58Z)
COMMENTATOR: A Code-mixed Multilingual Text Annotation Framework [1.114560772534785]
コード混在型テキストアノテーションフレームワークであるCOMMENTATORを導入する。このツールは、Hinglishテキストのトークンレベルおよび文レベル言語アノテーションタスクにおいて、その効果を示す。
論文参考訳（メタデータ） (2024-08-06T11:56:26Z)
Efficient Online Crowdsourcing with Complex Annotations [15.063652909543887]
本稿では,オンラインのクラウドソーシング環境において機能する汎用アノテーション(バウンディングボックスや分類パスなど)の新たなアプローチを提案する。我々は、ラベルの予測平均類似性が、報告されたラベルの正確性において線形であることを証明した。これにより、報告されたラベルの精度を幅広いシナリオで推測できる。
論文参考訳（メタデータ） (2024-01-25T22:38:03Z)
Visual In-Context Prompting [100.93587329049848]
本稿では,オープンセットのセグメンテーションや検出といった視覚的タスクのためのユニバーサルな視覚的インコンテキストプロンプトフレームワークを提案する。エンコーダ-デコーダアーキテクチャ上に構築し,ストロークやボックス,ポイントなど,さまざまなプロンプトをサポートする汎用的なプロンプトエンコーダを開発する。広範にわたる調査の結果,提案した視覚的インコンテクストは,異常参照と汎用セグメンテーション機能を引き起こすことが示された。
論文参考訳（メタデータ） (2023-11-22T18:59:48Z)
ezCoref: Towards Unifying Annotation Guidelines for Coreference Resolution [28.878540389202367]
クラウドソーシングに優しいコア参照アノテーション方法論であるezCorefを,アノテーションツールと対話型チュートリアルで構築する。 ezCorefを使用して、既存の7つの英語コアデータセット(フィクション、ニュース、その他複数のドメイン)から240のパスを再注釈し、これらのデータセットで同じように扱われるケースのみをアノテータに教えます。驚くべきことに、十分な品質のアノテーションはすでに達成可能であり(群衆と専門家のアノテーションの間では>90%の合意)、広範囲のトレーニングがなくても使えます。
論文参考訳（メタデータ） (2022-10-13T17:09:59Z)
Longtonotes: OntoNotes with Longer Coreference Chains [111.73115731999793]
コア参照アノテートされたドキュメントのコーパスを,現在利用可能なものよりもはるかに長い長さで構築する。結果として得られたコーパスはLongtoNotesと呼ばれ、様々な長さの英語の複数のジャンルの文書を含んでいる。この新しいコーパスを用いて,最先端のニューラルコアシステムの評価を行った。
論文参考訳（メタデータ） (2022-10-07T15:58:41Z)
Video Moment Retrieval from Text Queries via Single Frame Annotation [65.92224946075693]
ビデオモーメント検索は、与えられた自然言語クエリによって記述されたモーメントの開始と終了のタイムスタンプを見つけることを目的としている。完全な教師付き手法は、有望な結果を達成するために完全な時間境界アノテーションを必要とする。我々は「用語アノテーション」と呼ばれる新しいパラダイムを提案する。
論文参考訳（メタデータ） (2022-04-20T11:59:17Z)
Does Recommend-Revise Produce Reliable Annotations? An Analysis on Missing Instances in DocRED [60.39125850987604]
テキスト修正方式は, 偽陰性サンプルと, 人気エンティティや関係性に対する明らかな偏見をもたらすことを示す。より信頼性の高いドキュメントREモデルのテストセットとして機能するように、relabeledデータセットがリリースされている。
論文参考訳（メタデータ） (2022-04-17T11:29:01Z)
Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
論文参考訳（メタデータ） (2020-04-28T17:17:11Z)

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。