論文の概要: Fine-grained Information Status Classification Using Discourse
Context-Aware BERT
- arxiv url: http://arxiv.org/abs/2010.14759v2
- Date: Sun, 1 Nov 2020 14:36:49 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-02 19:06:30.700772
- Title: Fine-grained Information Status Classification Using Discourse
Context-Aware BERT
- Title(参考訳): 談話文脈を考慮したBERTを用いたきめ細かい情報状態分類
- Authors: Yufang Hou
- Abstract要約: 本稿では,詳細な情報ステータスの分類を行うための,簡単な会話コンテキスト対応BERTモデルを提案する。
本モデルでは,IS分類の微粒化による新しい最先端性能を実現する。
また, アナフォラ認識のための10.5F1点の改善も示した。
- 参考スコア(独自算出の注目度): 10.81197069967052
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Previous work on bridging anaphora recognition (Hou et al., 2013a) casts the
problem as a subtask of learning fine-grained information status (IS). However,
these systems heavily depend on many hand-crafted linguistic features. In this
paper, we propose a simple discourse context-aware BERT model for fine-grained
IS classification. On the ISNotes corpus (Markert et al., 2012), our model
achieves new state-of-the-art performance on fine-grained IS classification,
obtaining a 4.8 absolute overall accuracy improvement compared to Hou et al.
(2013a). More importantly, we also show an improvement of 10.5 F1 points for
bridging anaphora recognition without using any complex hand-crafted semantic
features designed for capturing the bridging phenomenon. We further analyze the
trained model and find that the most attended signals for each IS category
correspond well to linguistic notions of information status.
- Abstract(参考訳): 橋渡しアナフォラ認識に関する以前の研究(hou et al., 2013a)では、この問題をきめ細かい情報ステータス(is)の学習のサブタスクとして位置づけている。
しかし、これらのシステムは手作りの言語的特徴に大きく依存している。
本稿では,詳細なIS分類のための単純な文脈対応BERTモデルを提案する。
isnotes コーパス (markert et al., 2012) では, 細粒度 is 分類における新たな最先端性能を達成し, hou など (2013a) と比較して4.8 の絶対精度向上を達成した。
さらに, ブリッジ現象を捉えるための複雑な手作り意味的特徴を使わずに, 10.5 F1 点の改良も行った。
さらに、訓練されたモデルを分析し、各isカテゴリーの最も参加者が多い信号が、情報ステータスの言語的概念によく対応していることを見出す。
関連論文リスト
- Knowledge-Aware Prompt Tuning for Generalizable Vision-Language Models [64.24227572048075]
本稿では,視覚言語モデルのためのKnowledge-Aware Prompt Tuning(KAPT)フレームワークを提案する。
我々のアプローチは、人間の知性からインスピレーションを得ており、外部知識は、通常、オブジェクトの新たなカテゴリを認識するために組み込まれています。
論文 参考訳(メタデータ) (2023-08-22T04:24:45Z) - Preserving Knowledge Invariance: Rethinking Robustness Evaluation of
Open Information Extraction [50.62245481416744]
実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。
我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。
さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
論文 参考訳(メタデータ) (2023-05-23T12:05:09Z) - Joint Language Semantic and Structure Embedding for Knowledge Graph
Completion [66.15933600765835]
本稿では,知識三重項の自然言語記述と構造情報とを共同で組み込むことを提案する。
本手法は,学習済み言語モデルを微調整することで,完了作業のための知識グラフを埋め込む。
各種知識グラフベンチマーク実験により,本手法の最先端性能を実証した。
論文 参考訳(メタデータ) (2022-09-19T02:41:02Z) - Knowledge Graph Fusion for Language Model Fine-tuning [0.0]
BERTの微調整段階における知識導入のメリットについて検討する。
既存のK-BERTモデルは、知識グラフから三つ子で文を豊かにするものであり、英語に適応している。
K-BERTに変更された英語は、他の単語ベースの言語にも拡張されている。
論文 参考訳(メタデータ) (2022-06-21T08:06:22Z) - Supporting Vision-Language Model Inference with Causality-pruning
Knowledge Prompt [15.591922602789758]
本稿では,事前学習された視覚言語モデルを下流画像認識に適応させるために,Causality-pruning Knowledge Prompt (CapKP)を提案する。
CapKPは、テキストラベルをクエリとして扱い、タスク関連セマンティック情報を探索することで、存在論的知識グラフを検索する。
論文 参考訳(メタデータ) (2022-05-23T07:51:15Z) - Revisiting Self-Training for Few-Shot Learning of Language Model [61.173976954360334]
ラベル付きデータにはタスク関連情報が豊富に含まれており、言語モデルの素早い学習に有用であることが証明されている。
本研究では,言語モデルファインチューニングのための自己学習手法を再検討し,最先端のプロンプトベースの少ショット学習者,SFLMを提案する。
論文 参考訳(メタデータ) (2021-10-04T08:51:36Z) - When Does Translation Require Context? A Data-driven, Multilingual
Exploration [71.43817945875433]
談話の適切な処理は機械翻訳(MT)の品質に大きく貢献する
文脈認識型MTにおける最近の研究は、評価中に少量の談話現象を標的にしようとしている。
談話現象のモデル性能を識別・評価するタグの集合である,多言語談話認識ベンチマークを開発した。
論文 参考訳(メタデータ) (2021-09-15T17:29:30Z) - End-to-end Neural Information Status Classification [17.976752792350933]
本稿では,情報ステータス分類のためのエンドツーエンドニューラルネットワークを提案する。
推測時間中、本システムは原文を入力として取り、情報ステータスとともに言及を生成する。
本システムは, 従来の最先端システムと比較して, ブリッジング・アナフォラ認識における競合的な結果を達成している。
論文 参考訳(メタデータ) (2021-09-06T21:44:11Z) - Self-Supervised Detection of Contextual Synonyms in a Multi-Class
Setting: Phenotype Annotation Use Case [11.912581294872767]
文脈的単語埋め込みは文脈的同義語を検出する強力なツールである。
本研究では,浅部マッチングによって生成されたデータに基づいて,概念の文脈的同義性を検出できる自己教師付き事前学習手法を提案する。
論文 参考訳(メタデータ) (2021-09-04T21:35:01Z) - 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) - GiBERT: Introducing Linguistic Knowledge into BERT through a Lightweight
Gated Injection Method [29.352569563032056]
本稿では,言語知識を単語埋め込みの形で,事前学習したBERTに明示的に注入する手法を提案する。
依存性ベースと逆適合の埋め込みを注入する場合、複数のセマンティックな類似性データセットのパフォーマンス改善は、そのような情報が有益であり、現在元のモデルから欠落していることを示している。
論文 参考訳(メタデータ) (2020-10-23T17:00:26Z)
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。