論文の概要: Contextual Modulation for Relation-Level Metaphor Identification

• arxiv url: http://arxiv.org/abs/2010.05633v1
• Date: Mon, 12 Oct 2020 12:07:02 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 06:50:44.835076
• Title: Contextual Modulation for Relation-Level Metaphor Identification
• Title（参考訳）: 関係レベルメタファー同定のための文脈変調
• Authors: Omnia Zayed, John P. McCrae, Paul Buitelaar
• Abstract要約: 本稿では,ある文法的関係の関連レベルの比喩表現を識別するための新しいアーキテクチャを提案する。 視覚的推論の研究にインスパイアされた方法論では、我々のアプローチは、深い文脈化された特徴にニューラルネットワークの計算を条件付けすることに基づいている。 提案したアーキテクチャは,ベンチマークデータセット上で最先端の結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 3.2619536457181075
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Identifying metaphors in text is very challenging and requires comprehending the underlying comparison. The automation of this cognitive process has gained wide attention lately. However, the majority of existing approaches concentrate on word-level identification by treating the task as either single-word classification or sequential labelling without explicitly modelling the interaction between the metaphor components. On the other hand, while existing relation-level approaches implicitly model this interaction, they ignore the context where the metaphor occurs. In this work, we address these limitations by introducing a novel architecture for identifying relation-level metaphoric expressions of certain grammatical relations based on contextual modulation. In a methodology inspired by works in visual reasoning, our approach is based on conditioning the neural network computation on the deep contextualised features of the candidate expressions using feature-wise linear modulation. We demonstrate that the proposed architecture achieves state-of-the-art results on benchmark datasets. The proposed methodology is generic and could be applied to other textual classification problems that benefit from contextual interaction.
• Abstract（参考訳）: テキスト中のメタファの特定は非常に困難であり、基礎となる比較を理解する必要がある。 この認知プロセスの自動化は、最近広く注目を集めている。 しかし,既存の手法の大部分は,メタファコンポーネント間の相互作用を明示的にモデル化することなく,タスクを単一単語分類あるいは逐次ラベリングとして扱うことで,単語レベルの識別に重点を置いている。 一方、既存の関係レベルアプローチはこの相互作用を暗黙的にモデル化する一方で、メタファーが発生するコンテキストを無視する。 本研究では,文脈変調に基づく関係レベルの比喩表現を識別する新しいアーキテクチャを導入することにより,これらの制約に対処する。 視覚的推論の研究から着想を得た方法論では,特徴量線形変調を用いた候補表現の深い文脈化特徴に対するニューラルネットワーク計算の条件付けに基づいている。 提案したアーキテクチャは,ベンチマークデータセット上で最先端の結果が得られることを示す。 提案手法は汎用的であり、文脈相互作用の恩恵を受ける他のテキスト分類問題に適用できる。

関連論文リスト

• Non-parametric Contextual Relationship Learning for Semantic Video Object Segmentation [1.4042211166197214]
  そこでは,領域の類似性グラフ上に,オブジェクト仮説によって暗示される固有関係をエンコードする,文脈的手がかりの非パラメトリックな例を紹介した。 本アルゴリズムは,学習コンテキストを条件付きランダムフィールド(CRF)にペアポテンシャルの形で統合し,領域ごとのセマンティックラベルを推論する。 提案手法は,YouTube-Objectsデータセットの課題に対して評価を行い,提案手法が最先端の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2024-07-08T13:22:13Z)
• Hire: Hybrid-modal Interaction with Multiple Relational Enhancements for Image-Text Matching [7.7559623054251]
  画像テキストマッチング(ITM)はコンピュータビジョンの基本的な問題である。 画像テキストマッチングのためのマルチエンハンスメント(termed textitHire)を用いたハイブリッドモーダル機能を提案する。 特に、明示的なモーダル空間意味グラフに基づく推論ネットワークは、視覚オブジェクトの文脈表現を改善するために設計されている。
  論文  参考訳（メタデータ） (2024-06-05T13:10:55Z)
• Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
  テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。 新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。 ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
  論文  参考訳（メタデータ） (2023-01-22T08:02:23Z)
• Learning to Model Multimodal Semantic Alignment for Story Visualization [58.16484259508973]
  ストーリービジュアライゼーションは、複数文のストーリーで各文をナレーションする一連の画像を生成することを目的としている。 現在の作業は、その固定されたアーキテクチャと入力モダリティの多様性のため、セマンティックなミスアライメントの問題に直面している。 GANに基づく生成モデルにおいて,テキストと画像表現のセマンティックアライメントを学習し,それらのセマンティックレベルを一致させる方法について検討する。
  論文  参考訳（メタデータ） (2022-11-14T11:41:44Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• Improve Discourse Dependency Parsing with Contextualized Representations [28.916249926065273]
  本稿では,異なるレベルの単位の文脈化表現を符号化するトランスフォーマーの活用を提案する。 記事間で共通に共有される記述パターンの観察に動機付けられ,談話関係の識別をシーケンスラベリングタスクとして扱う新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-05-04T14:35:38Z)
• Towards Expressive Speaking Style Modelling with Hierarchical Context Information for Mandarin Speech Synthesis [37.93814851450597]
  文脈から発話スタイルをモデル化するための階層的枠組みを提案する。 より広い範囲の文脈情報を調べるために,階層型コンテキストエンコーダを提案する。 このエンコーダがスタイル表現をより良く学習できるように、我々は新しいトレーニング戦略を導入する。
  論文  参考訳（メタデータ） (2022-03-23T05:27:57Z)
• Context-LGM: Leveraging Object-Context Relation for Context-Aware Object Recognition [48.5398871460388]
  本稿では,オブジェクト・コンテキスト関係を階層的にモデル化する新しいコンテキスト潜在生成モデル(Contextual Latent Generative Model,Context-LGM)を提案する。 文脈的特徴を推定するために、変数自動エンコーダ(VAE)の目的関数を再構成し、対象物に対する後続条件付き分布として文脈的特徴を学習する。 本手法の有効性は,2つのコンテキスト認識オブジェクト認識タスクにおける最先端性能によって検証される。
  論文  参考訳（メタデータ） (2021-10-08T11:31:58Z)
• Temporal Embeddings and Transformer Models for Narrative Text Understanding [72.88083067388155]
  キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。 これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。 最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
  論文  参考訳（メタデータ） (2020-03-19T14:23:12Z)
• Investigating Typed Syntactic Dependencies for Targeted Sentiment Classification Using Graph Attention Neural Network [10.489983726592303]
  型付き構文依存情報を統合する新しい関係グラフアテンションネットワークについて検討する。 その結果,本手法は目標感情分類性能を改善するためにラベル情報を効果的に活用できることが示唆された。
  論文  参考訳（メタデータ） (2020-02-22T11:17:16Z)
• How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
  文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。 我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
  論文  参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。