Fugu-MT 論文翻訳(概要): PySBD: Pragmatic Sentence Boundary Disambiguation

論文の概要: PySBD: Pragmatic Sentence Boundary Disambiguation

arxiv url: http://arxiv.org/abs/2010.09657v1
Date: Mon, 19 Oct 2020 16:56:03 GMT
ステータス: 処理完了
システム内更新日: 2022-10-05 20:29:14.143147
Title: PySBD: Pragmatic Sentence Boundary Disambiguation
Title（参考訳）: PySBD:プラグマチックな文境界の曖昧さ
Authors: Nipun Sadvilkar and Mark Neumann
Abstract要約: ルールベースの文境界曖昧化Pythonパッケージを22言語で動作させる。入力テキストの形式やドメインが不明な場合でも論理文を提供できる現実的なセグメンタを提供することを目指している。
参考スコア（独自算出の注目度）: 1.707852413707166
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we present a rule-based sentence boundary disambiguation Python package that works out-of-the-box for 22 languages. We aim to provide a realistic segmenter which can provide logical sentences even when the format and domain of the input text is unknown. In our work, we adapt the Golden Rules Set (a language-specific set of sentence boundary exemplars) originally implemented as a ruby gem - pragmatic_segmenter - which we ported to Python with additional improvements and functionality. PySBD passes 97.92% of the Golden Rule Set exemplars for English, an improvement of 25% over the next best open-source Python tool.
Abstract（参考訳）: 本稿では,22言語を対象とした規則ベースの文境界非曖昧化pythonパッケージを提案する。入力テキストの形式やドメインが不明な場合でも論理文を提供できる現実的なセグメンタを提供することを目指している。私たちの仕事では、元々ruby gemとして実装されたgolden rules set(言語固有の文境界の例)、pragmatic_segmenter(source)を採用しました。 PySBDは、英語のGolden Rule Setの97.92%をパスし、次のオープンソースPythonツールよりも25%改善した。

関連論文リスト

PyPulse: A Python Library for Biosignal Imputation [58.35269251730328]
PyPulseは,臨床およびウェアラブルの両方のセンサ設定において生体信号の計算を行うPythonパッケージである。 PyPulseのフレームワークは、非機械学習バイオリサーバーを含む幅広いユーザーベースに対して、使い勝手の良いモジュラーで拡張可能なフレームワークを提供する。 PyPulseはMITライセンスでGithubとPyPIでリリースしました。
論文参考訳（メタデータ） (2024-12-09T11:00:55Z)
PoTo: A Hybrid Andersen's Points-to Analysis for Python [3.6793233203143743]
PoToはAndersenスタイルのコンテキスト非感性とフロー非感性を備えたPythonのポイントツー分析である。 PoTo+は、ポイントツー分析に基づいて構築されたPythonの静的型推論である。
論文参考訳（メタデータ） (2024-09-05T21:26:25Z)
Python is Not Always the Best Choice: Embracing Multilingual Program of Thoughts [51.49688654641581]
本稿では,多言語からの強みと多様性を生かしたMultiPoTというタスクとモデル非依存のアプローチを提案する。実験の結果、Python Self-Consistencyを著しく上回ることがわかった。特にMultiPoTはChatGPT(gpt-3.5-turbo-0701)で平均4.6%以上の改善を実現している。
論文参考訳（メタデータ） (2024-02-16T13:48:06Z)
The Calysto Scheme Project [0.0]
Calysto SchemeはScheme in Continuation-Passing Styleで書かれている。一連の正当性保存プログラム変換を通じてPythonに変換される。コール/ccを含む標準のScheme機能をサポートしている。
論文参考訳（メタデータ） (2023-10-16T23:41:21Z)
Where's the Point? Self-Supervised Multilingual Punctuation-Agnostic Sentence Segmentation [65.6736056006381]
85言語を対象とした多言語句読解文セグメンテーション法を提案する。提案手法は,従来の最良文分割ツールを平均6.1%F1ポイントで上回っている。 MTモデルの訓練に使用するセグメンテーションと文のセグメンテーションを一致させる手法を用いて,平均2.3BLEU点の改善を実現する。
論文参考訳（メタデータ） (2023-05-30T09:49:42Z)
PyXAB -- A Python Library for $\mathcal{X}$-Armed Bandit and Online Blackbox Optimization Algorithms [29.919425124143068]
PyXABは、$mathcalX$-armed banditとオンラインブラックボックス最適化のためのPythonオープンソースライブラリである。 PyXAB には 10$mathcalX$-armed bandit アルゴリズムの実装が含まれている。 PyXABのドキュメントには、インストールの明確な指示、ストレートフォワードの例、詳細な機能説明、APIの完全な参照が含まれている。
論文参考訳（メタデータ） (2023-03-07T16:43:05Z)
GAP-Gen: Guided Automatic Python Code Generation [3.574838772430975]
本稿では,Pythonの構文的制約と意味的制約に基づくガイド付き自動Pythonコード生成手法を提案する。 GAP-Genは、Code-to-Docstringデータセットを使用して、トランスフォーマーベースの言語モデルT5とCodeT5を微調整する。実験の結果,GAP-GenはPythonの自動コード生成タスクにおいて,従来の作業よりも優れた結果が得られることがわかった。
論文参考訳（メタデータ） (2022-01-19T06:32:47Z)
PyMT5: multi-mode translation of natural language and Python code with transformers [7.973871379728246]
PyMT5はPythonメソッドのテキストからテキストへのトランスフォーマーである。自然言語のドキュメンテーション文字列(docstring)からメソッド全体を予測し、コードを一般的なスタイルのドキュメンテーションにまとめることができる。
論文参考訳（メタデータ） (2020-10-07T04:10:58Z)
Automatic Extraction of Rules Governing Morphological Agreement [103.78033184221373]
原文から第一パス文法仕様を抽出する自動フレームワークを開発する。我々は、世界の多くの言語の文法の中核にあるモルフォシンタクティックな現象である合意を記述する規則の抽出に焦点をあてる。我々のフレームワークはUniversal Dependenciesプロジェクトに含まれるすべての言語に適用され、有望な結果が得られます。
論文参考訳（メタデータ） (2020-10-02T18:31:45Z)
pyBART: Evidence-based Syntactic Transformations for IE [52.93947844555369]
pyBARTは、英語のUD木を拡張UDグラフに変換するためのオープンソースのPythonライブラリである。パターンに基づく関係抽出のシナリオで評価すると、より少ないパターンを必要としながら、より高精細なUDよりも高い抽出スコアが得られる。
論文参考訳（メタデータ） (2020-05-04T07:38:34Z)
OPFython: A Python-Inspired Optimum-Path Forest Classifier [68.8204255655161]
本稿では,OPFythonと表記されるPythonベースのOptimum-Path Forestフレームワークを提案する。 OPFythonはPythonベースのライブラリなので、C言語よりもフレンドリーな環境とプロトタイピングの作業スペースを提供する。
論文参考訳（メタデータ） (2020-01-28T15:46:19Z)

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。