論文の概要: A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing

• arxiv url: http://arxiv.org/abs/2010.12676v1
• Date: Fri, 23 Oct 2020 21:22:50 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-03 21:40:42.775188
• Title: A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing
• Title（参考訳）: AMR解析のためのグラフ分割とアライメントの微分緩和
• Authors: Chunchuan Lyu, Shay B. Cohen, Ivan Titov
• Abstract要約: 我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。 また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
• 参考スコア（独自算出の注目度）: 75.36126971685034
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Abstract Meaning Representations (AMR) are a broad-coverage semantic formalism which represents sentence meaning as a directed acyclic graph. To train most AMR parsers, one needs to segment the graph into subgraphs and align each such subgraph to a word in a sentence; this is normally done at preprocessing, relying on hand-crafted rules. In contrast, we treat both alignment and segmentation as latent variables in our model and induce them as part of end-to-end training. As marginalizing over the structured latent variables is infeasible, we use the variational autoencoding framework. To ensure end-to-end differentiable optimization, we introduce a continuous differentiable relaxation of the segmentation and alignment problems. We observe that inducing segmentation yields substantial gains over using a `greedy' segmentation heuristic. The performance of our method also approaches that of a model that relies on \citet{Lyu2018AMRPA}'s segmentation rules, which were hand-crafted to handle individual AMR constructions.
• Abstract（参考訳）: 抽象意味表現 (abstract meaning representations, amr) は、文の意味を有向非巡回グラフとして表現する幅広い意味形式である。 ほとんどのAMRパーサーを訓練するには、グラフをサブグラフに分割し、各サブグラフを文中の単語にアライメントする必要がある。 対照的に、アライメントとセグメンテーションをモデル内の潜在変数として扱い、それらをエンドツーエンドトレーニングの一部として誘導する。 構造化潜在変数の辺縁化は不可能であるため、変分自動符号化フレームワークを用いる。 エンドツーエンドの微分可能最適化を実現するために,セグメンテーション問題とアライメント問題の連続的微分可能緩和を導入する。 セグメンテーションの誘導は「グリーディ」セグメンテーションヒューリスティックの使用よりもかなりの利得が得られることを観察する。 また,本手法の性能は,個々のAMR構造を扱うために手作りされた \citet{Lyu2018AMRPA} のセグメンテーションルールに依存するモデルにアプローチする。

関連論文リスト

• MIDGARD: Self-Consistency Using Minimum Description Length for Structured Commonsense Reasoning [4.928535836750263]
  大規模言語モデル(LLM)を用いた自然言語入力から推論グラフを生成するための構造化推論の課題について検討する。 従来のアプローチでは様々なプロンプト方式が検討されてきたが、自己回帰性やシングルパスベースの復号化によるエラー伝播に悩まされている。 我々は,多種多様な推論連鎖をサンプリングし,多数決を最終回答とする自己整合性(SC)から着想を得た。
  論文  参考訳（メタデータ） (2024-05-08T16:25:42Z)
• Guiding AMR Parsing with Reverse Graph Linearization [45.37129580211495]
  本稿では,AMR解析のためのReverse Graph Linearization(RGL)フレームワークを提案する。 RGLは、AMRグラフのデフォルトおよび逆線形化順序を定義する。 提案手法は, AMR 2.0 と AMR 3.0 データセットにおいて, 従来最高の AMR 解析モデルである 0.8 と 0.5 の Smatch スコアをそれぞれ上回り, 構造損失蓄積の問題を著しく軽減することを示す。
  論文  参考訳（メタデータ） (2023-10-13T05:03:13Z)
• Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided Relation Alignment and Adaptation [98.51938442785179]
  増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。 このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。 本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
  論文  参考訳（メタデータ） (2023-05-18T10:40:52Z)
• Hierarchical Dense Correlation Distillation for Few-Shot Segmentation [46.696051965252934]
  Few-shot semantic segmentation (FSS) は、いくつかのアノテーションだけで見えないクラスをセグメンテーションするクラスに依存しないモデルを構築することを目的としている。 我々は、トランスアーキテクチャに基づく階層的分離マッチングネットワーク(HDMNet)マイニングピクセルレベルのサポート相関を設計する。 本稿では,列車セットの過度適合を低減し,粗い分解から意味対応を生かした相関蒸留を導入し,細粒度セグメンテーションを向上するマッチングモジュールを提案する。
  論文  参考訳（メタデータ） (2023-03-26T08:13:12Z)
• Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
  クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。 本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
  論文  参考訳（メタデータ） (2022-05-18T07:47:01Z)
• Structured Reordering for Modeling Latent Alignments in Sequence Transduction [86.94309120789396]
  本稿では,分離可能な置換の辺りを正確に推定する効率的な動的プログラミングアルゴリズムを提案する。 結果のSeq2seqモデルは、合成問題やNLPタスクの標準モデルよりも体系的な一般化が優れている。
  論文  参考訳（メタデータ） (2021-06-06T21:53:54Z)
• Self-Supervised Tuning for Few-Shot Segmentation [82.32143982269892]
  Few-shotのセグメンテーションは、アノテートされたサンプルがほとんどない各画像ピクセルにカテゴリラベルを割り当てることを目的としている。 既存のメタラーニング手法では, 画像から抽出した視覚的特徴を埋め込み空間に埋め込むと, カテゴリー別識別記述子の生成に失敗する傾向にある。 本稿では,複数のエピソードにまたがる潜在特徴の分布を,自己分割方式に基づいて動的に調整する適応型フレームワークチューニングを提案する。
  論文  参考訳（メタデータ） (2020-04-12T03:53:53Z)
• Spatial Pyramid Based Graph Reasoning for Semantic Segmentation [67.47159595239798]
  セマンティックセグメンテーションタスクにグラフ畳み込みを適用し、改良されたラプラシアンを提案する。 グラフ推論は、空間ピラミッドとして構成された元の特徴空間で直接実行される。 計算とメモリのオーバーヘッドの利点で同等のパフォーマンスを実現しています。
  論文  参考訳（メタデータ） (2020-03-23T12:28:07Z)

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。