論文の概要: Predicting Typological Features in WALS using Language Embeddings and Conditional Probabilities: \'UFAL Submission to the SIGTYP 2020 Shared Task

• arxiv url: http://arxiv.org/abs/2010.03920v1
• Date: Thu, 8 Oct 2020 12:05:48 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-09 11:03:43.760022
• Title: Predicting Typological Features in WALS using Language Embeddings and Conditional Probabilities: \'UFAL Submission to the SIGTYP 2020 Shared Task
• Title（参考訳）: 言語埋め込みと条件付き確率を用いたWALSの類型的特徴の予測:SIGTYP 2020共有タスクへの \'UFAL 提出
• Authors: Martin Vastl, Daniel Zeman, Rudolf Rosa
• Abstract要約: 我々は,WALSデータベースのみに基づいて,類型的特徴を予測可能な制約付きシステムを提案する。 テストデータの精度は70.7%に達し、まず共有タスクでランク付けします。
• 参考スコア（独自算出の注目度）: 1.4848029858256582
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: We present our submission to the SIGTYP 2020 Shared Task on the prediction of typological features. We submit a constrained system, predicting typological features only based on the WALS database. We investigate two approaches. The simpler of the two is a system based on estimating correlation of feature values within languages by computing conditional probabilities and mutual information. The second approach is to train a neural predictor operating on precomputed language embeddings based on WALS features. Our submitted system combines the two approaches based on their self-estimated confidence scores. We reach the accuracy of 70.7% on the test data and rank first in the shared task.
• Abstract（参考訳）: 我々は,sigtyp 2020 (sigtyp 2020) のタイポロジー的特徴の予測に関するタスクを提示する。 我々は,WALSデータベースのみに基づいて,類型的特徴を予測する制約付きシステムを提案する。 我々は2つのアプローチを調査します。 この2つは、条件付き確率と相互情報の計算により、言語内の特徴値の相関関係を推定するシステムである。 第2のアプローチは、WALS機能に基づいた事前計算言語埋め込みで動作する神経予測器のトレーニングである。 提案システムでは, 自己推定信頼度に基づく2つのアプローチを組み合わせる。 テストデータで70.7%の精度に達し、共有タスクで最初にランク付けします。

関連論文リスト

• data2lang2vec: Data Driven Typological Features Completion [8.28573483085828]
  我々は1,749言語で70%以上の精度を達成し,多言語対応のPOSタグを導入した。 また、タイポロジーに欠ける可能性のある機能に焦点を当てた、より現実的な評価設定も導入しています。
  論文  参考訳（メタデータ） (2024-09-25T21:32:57Z)
• Link Prediction for Wikipedia Articles as a Natural Language Inference Task [1.1842520528140819]
  本稿では、自然言語推論(NLI)タスクとして定式化することで、ウィキペディアの記事の予測をリンクする手法を提案する。 ウィキペディア記事タスクのリンク予測のための文ペア分類に基づくシステムを実装した。 当システムでは,公開テストセットとプライベートテストセットでそれぞれ0.99996 Macro F1スコアと1.00000 Macro F1スコアを達成した。
  論文  参考訳（メタデータ） (2023-08-31T05:25:04Z)
• Parallel Reasoning Network for Human-Object Interaction Detection [53.422076419484945]
  並列推論ネットワーク(PR-Net)というトランスフォーマーに基づく新しい手法を提案する。 PR-Netは、インスタンスレベルのローカライゼーションと関係レベルの理解のための2つの独立した予測器を構築する。 我々のPR-NetはHICO-DETとV-COCOベンチマークで競合する結果を得た。
  論文  参考訳（メタデータ） (2023-01-09T17:00:34Z)
• Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
  コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T08:55:47Z)
• From Good to Best: Two-Stage Training for Cross-lingual Machine Reading Comprehension [51.953428342923885]
  モデル性能を向上させるための2段階のアプローチを開発する。 我々は、トップk予測が正確な答えを含む確率を最大化するために、ハードラーニング(HL)アルゴリズムを設計する。 第2段階では, 正解と他の候補との微妙な違いを学習するために, 解答を意識したコントラスト学習機構が開発された。
  論文  参考訳（メタデータ） (2021-12-09T07:31:15Z)
• C-Learning: Learning to Achieve Goals via Recursive Classification [163.7610618571879]
  自律エージェントの将来の状態分布を予測・制御する問題について検討する。 我々の研究は、密度推定としてゴール条件付きRLの基礎を定めている。
  論文  参考訳（メタデータ） (2020-11-17T19:58:56Z)
• SIGTYP 2020 Shared Task: Prediction of Typological Features [78.95376120154083]
  タイポロジーKBが広く採用されるのを妨げる大きな欠点は、人口が少ないことである。 類型的特徴は相互に相関することが多いため、それらを予測し、自動的に類型的KBを投入することができる。 全体として、このタスクは5つのチームから8つの応募を惹きつけた。
  論文  参考訳（メタデータ） (2020-10-16T08:47:24Z)
• NEMO: Frequentist Inference Approach to Constrained Linguistic Typology Feature Prediction in SIGTYP 2020 Shared Task [83.43738174234053]
  タイプ的特徴間の相関関係を表現するために頻繁な推論を用い、この表現を用いて、個々の特徴を予測する単純なマルチクラス推定器を訓練する。 テスト言語149言語に対して,マイクロ平均精度0.66を達成できた。
  論文  参考訳（メタデータ） (2020-10-12T19:25:43Z)
• Systematic Generalization on gSCAN with Language Conditioned Embedding [19.39687991647301]
  体系的一般化とは、学習アルゴリズムが学習した振る舞いを目に見えない状況に外挿する能力を指す。 本稿では,入力自然言語を条件とした動的メッセージパッシングによるオブジェクトの文脈的埋め込みを学習する手法を提案する。
  論文  参考訳（メタデータ） (2020-09-11T17:35:05Z)
• Yseop at SemEval-2020 Task 5: Cascaded BERT Language Model for Counterfactual Statement Analysis [0.0]
  我々は、分類タスクにBERTベースモデルを使用し、シーケンス識別タスクを処理するために、ハイブリッドBERTマルチ層パーセプトロンシステムを構築した。 本実験により, 構文的・意味的特徴の導入は, 分類タスクにおけるシステム改善にはほとんど寄与しないが, それらの特徴を線形入力として用いて, モデルのシーケンス決定能力を微調整することにより, 2次タスクにおいてBiLSTM-CRFのような他の類似の複雑なシステムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-05-18T08:19:18Z)

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。