論文の概要: A new approach for extracting the conceptual schema of texts based on
the linguistic Thematic Progression theory
- arxiv url: http://arxiv.org/abs/2010.07440v1
- Date: Wed, 14 Oct 2020 23:50:25 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-07 13:27:55.223100
- Title: A new approach for extracting the conceptual schema of texts based on
the linguistic Thematic Progression theory
- Title(参考訳): 言語的セマンティック・プログレクション理論に基づくテキストの概念的スキーマ抽出のための新しいアプローチ
- Authors: Elena del Olmo Su\'arez and Ana Mar\'ia Fern\'andez-Pampill\'on
Cesteros
- Abstract要約: 本稿では,テキストの暗黙的概念スキーマの発見とラベル付けのための新しいアプローチを提案する。
基礎となる概念スキーマは、テキストの意味論と真に一致した要約を生成するためのコアコンポーネントである。
- 参考スコア(独自算出の注目度): 0.0
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The purpose of this article is to present a new approach for the discovery
and labelling of the implicit conceptual schema of texts through the
application of the Thematic Progression theory. The underlying conceptual
schema is the core component for the generation of summaries that are genuinely
consistent with the semantics of the text.
- Abstract(参考訳): 本論の目的は,主題進行理論の適用を通じて,テキストの暗黙的概念スキーマの発見とラベル付けのための新しいアプローチを提案することである。
基礎となる概念スキーマは、テキストのセマンティクスと真に一貫性のある要約を生成するためのコアコンポーネントである。
関連論文リスト
- ConcEPT: Concept-Enhanced Pre-Training for Language Models [57.778895980999124]
ConcEPTは、概念知識を事前訓練された言語モデルに注入することを目的としている。
これは、事前訓練されたコンテキストで言及されたエンティティの概念を予測するために、外部エンティティの概念予測を利用する。
実験の結果,ConcEPTは概念強化事前学習により概念知識を向上することがわかった。
論文 参考訳(メタデータ) (2024-01-11T05:05:01Z) - Grounded learning for compositional vector semantics [1.4344589271451351]
本研究では、スパイクニューラルネットワークアーキテクチャ内で構成分布意味論を実装する方法を提案する。
また,ラベル付き画像を用いて単語表現を訓練する手法についても述べる。
論文 参考訳(メタデータ) (2024-01-10T22:12:34Z) - How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。
その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。
多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
論文 参考訳(メタデータ) (2023-11-14T08:51:00Z) - A bundle perspective on contextuality: Empirical models and simplicial
distributions on bundle scenarios [0.0]
本稿では, 単体錯体と単体集合のバンドルに基づく文脈性シナリオの新たなカテゴリを紹介する。
前者のアプローチは、文脈性に関するせん断理論的な視点に関する初期の研究を一般化している。
後者は、単純化集合の言語で定式化された文脈性に対するより最近のアプローチである、単純分布を拡張している。
論文 参考訳(メタデータ) (2023-08-11T18:19:49Z) - Learning Symbolic Rules over Abstract Meaning Representations for
Textual Reinforcement Learning [63.148199057487226]
本稿では,汎用的な意味一般化とルール誘導システムを組み合わせて,解釈可能なルールをポリシーとして学習するモジュール型 NEuroSymbolic Textual Agent (NESTA) を提案する。
実験の結果,NESTA法は,未確認テストゲームや少ないトレーニングインタラクションから学習することで,深層強化学習技術よりも優れることがわかった。
論文 参考訳(メタデータ) (2023-07-05T23:21:05Z) - Disentangling Domain Ontologies [0.0]
そこで本研究では,マルチレベルな概念モデリング戦略であるConceptual Disentanglementを提案する。
現状の技術開発手法とアプローチが、我々の特性に関して不十分である理由を論じる。
論文 参考訳(メタデータ) (2023-03-21T08:36:14Z) - Schema Inference for Interpretable Image Classification [33.94994827510277]
本稿では,従来のディープニューラルネットワーク(DNN)の手法を再構築することにより,説明可能な予測を誘導的に推論することを学ぶ,スキーマ推論と呼ばれる新しい推論パラダイムについて検討する。
いくつかのベンチマークにおける理論的解析と実験結果は,提案したスキーマ推論が性能向上を実現することを示すものである。
論文 参考訳(メタデータ) (2023-03-12T11:23:56Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳(メタデータ) (2022-11-10T14:26:43Z) - Formalising Concepts as Grounded Abstractions [68.24080871981869]
このレポートは、表現学習が生データから概念を誘導する方法を示しています。
このレポートの主な技術的目標は、表現学習のテクニックが概念空間の格子理論的定式化とどのように結婚できるかを示すことである。
論文 参考訳(メタデータ) (2021-01-13T15:22:01Z) - Introducing Syntactic Structures into Target Opinion Word Extraction
with Deep Learning [89.64620296557177]
目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。
また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。
提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
論文 参考訳(メタデータ) (2020-10-26T07:13:17Z) - Categories of Semantic Concepts [0.0]
この研究は、G"ardenfors意味空間、カテゴリー構成言語学、および応用圏論から概念の領域非依存的・カテゴリー的形式主義を提示する概念的ツールの合流の上に構築される。
論文 参考訳(メタデータ) (2020-04-22T17:50:04Z)
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。