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

• Why do you cite? An investigation on citation intents and decision-making classification processes [1.7812428873698407]
  本研究は,引用意図を信頼して分類することの重要性を強調する。 本稿では,citation Intent Classification (CIC) のための高度なアンサンブル戦略を用いた研究について述べる。 我々のモデルの1つは、SciCiteベンチマークで89.46%のマクロF1スコアを持つ新しい最先端(SOTA)として設定されている。
  論文  参考訳（メタデータ） (2024-07-18T09:29:33Z)
• Multi-Modal Prompt Learning on Blind Image Quality Assessment [65.0676908930946]
  画像品質評価(IQA)モデルは意味情報から大きな恩恵を受け、異なる種類のオブジェクトを明瞭に扱うことができる。 十分な注釈付きデータが不足している従来の手法では、セマンティックな認識を得るために、CLIPイメージテキスト事前学習モデルをバックボーンとして使用していた。 近年のアプローチでは、このミスマッチに即時技術を使って対処する試みがあるが、これらの解決策には欠点がある。 本稿では、IQAのための革新的なマルチモーダルプロンプトベースの手法を提案する。
  論文  参考訳（メタデータ） (2024-04-23T11:45:32Z)
• Language Models for Text Classification: Is In-Context Learning Enough? [54.869097980761595]
  最近の基礎言語モデルでは、ゼロショットや少数ショットの設定で多くのNLPタスクで最先端のパフォーマンスが示されている。 より標準的なアプローチよりもこれらのモデルの利点は、自然言語(prompts)で書かれた命令を理解する能力である。 これにより、アノテーション付きインスタンスが限られているドメインのテキスト分類問題に対処するのに適している。
  論文  参考訳（メタデータ） (2024-03-26T12:47:39Z)
• 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)
• Supporting Vision-Language Model Inference with Confounder-pruning Knowledge Prompt [71.77504700496004]
  視覚言語モデルは、オープンセットの視覚概念を扱うために、画像とテキストのペアを共通の空間に整列させることで事前訓練される。 事前訓練されたモデルの転送可能性を高めるため、最近の研究では、固定または学習可能なプロンプトが採用されている。 しかし、どのようにして、どのプロンプトが推論性能を改善するのかは、まだ不明である。
  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)
• 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。