論文の概要: NEMO: Frequentist Inference Approach to Constrained Linguistic Typology Feature Prediction in SIGTYP 2020 Shared Task

• arxiv url: http://arxiv.org/abs/2010.05985v1
• Date: Mon, 12 Oct 2020 19:25:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-08 05:49:43.947048
• Title: NEMO: Frequentist Inference Approach to Constrained Linguistic Typology Feature Prediction in SIGTYP 2020 Shared Task
• Title（参考訳）: nemo:sigtyp 2020共有タスクにおける制約付き言語タイポロジー特徴予測への頻繁な推論アプローチ
• Authors: Alexander Gutkin and Richard Sproat
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 83.43738174234053
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: This paper describes the NEMO submission to SIGTYP 2020 shared task which deals with prediction of linguistic typological features for multiple languages using the data derived from World Atlas of Language Structures (WALS). We employ frequentist inference to represent correlations between typological features and use this representation to train simple multi-class estimators that predict individual features. We describe two submitted ridge regression-based configurations which ranked second and third overall in the constrained task. Our best configuration achieved the micro-averaged accuracy score of 0.66 on 149 test languages.
• Abstract（参考訳）: 本稿では、world atlas of language structures(wals)から得られたデータを用いて、複数の言語における言語的タイプ論的特徴の予測を扱うsigtyp 2020 share taskへのnemo提案について述べる。 我々は、型的特徴の相関を表すために頻繁な推論を行い、この表現を用いて個々の特徴を予測する単純な多クラス推定子を訓練する。 本稿では,制約タスクにおいて2位と3位にランク付けされたリッジ回帰型構成について述べる。 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。

関連論文リスト

• Investigating Multilingual Coreference Resolution by Universal Annotations [11.035051211351213]
  本研究では,言語レベルでの真理データを調べることによって,コア推論について検討する。 我々は、SotAシステムが解決できない最も困難なケースのエラー解析を行う。 普遍的な形態素的アノテーションから特徴を抽出し,これらの特徴をベースラインシステムに統合し,その潜在的な利点を評価する。
  論文  参考訳（メタデータ） (2023-10-26T18:50:04Z)
• NU HLT at CMCL 2022 Shared Task: Multilingual and Crosslingual Prediction of Human Reading Behavior in Universal Language Space [0.0]
  このモデルの成功の裏にある秘密は、すべての単語が国際音声アルファベット(IPA)を介して普遍的な言語表現に変換される前処理段階にある。 微調整されたランダムフォレストモデルでは、それぞれ平均1次固定時間(FFDAve)と平均総読解時間(TRTAve)の3.8031と3.9065のMAEスコアで、両方のタスクで最高のパフォーマンスを得た。
  論文  参考訳（メタデータ） (2022-02-22T12:39:16Z)
• CUGE: A Chinese Language Understanding and Generation Evaluation Benchmark [144.05723617401674]
  汎用言語インテリジェンス評価は、自然言語処理の長年の目標である。 汎用言語インテリジェンス評価には,ベンチマーク自体が包括的で体系的なものである必要がある,と我々は主張する。 以下に示す機能を備えた中国語理解・生成評価ベンチマークであるCUGEを提案する。
  論文  参考訳（メタデータ） (2021-12-27T11:08:58Z)
• LCP-RIT at SemEval-2021 Task 1: Exploring Linguistic Features for Lexical Complexity Prediction [4.86331990243181]
  本稿では,チームLCP-RITによるSemEval-2021 Task 1: Lexical Complexity Prediction (LCP)の提出について述べる。 本システムでは,ロジスティック回帰と幅広い言語的特徴を用いて,このデータセットにおける単一単語の複雑さを予測する。 結果は平均絶対誤差,平均二乗誤差,ピアソン相関,スピアマン相関で評価した。
  論文  参考訳（メタデータ） (2021-05-18T18:55:04Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)
• 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)
• Predicting Typological Features in WALS using Language Embeddings and Conditional Probabilities: \'UFAL Submission to the SIGTYP 2020 Shared Task [1.4848029858256582]
  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。
  論文  参考訳（メタデータ） (2020-10-08T12:05:48Z)
• Cross-lingual Spoken Language Understanding with Regularized Representation Alignment [71.53159402053392]
  外部リソースを使わずに言語間で単語レベルの表現と文レベルの表現を整列する正規化手法を提案する。 言語間言語理解タスクの実験により、我々のモデルは、数ショットとゼロショットの両方のシナリオにおいて、最先端の手法よりも優れていることが示された。
  論文  参考訳（メタデータ） (2020-09-30T08:56:53Z)
• Linguistic Typology Features from Text: Inferring the Sparse Features of World Atlas of Language Structures [73.06435180872293]
  我々は、バイト埋め込みと畳み込み層に基づく繰り返しニューラルネットワーク予測器を構築する。 様々な言語型の特徴を確実に予測できることを示す。
  論文  参考訳（メタデータ） (2020-04-30T21:00:53Z)

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。