論文の概要: A Unifying Theory of Transition-based and Sequence Labeling Parsing

• arxiv url: http://arxiv.org/abs/2011.00584v1
• Date: Sun, 1 Nov 2020 18:25:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-30 23:28:06.737168
• Title: A Unifying Theory of Transition-based and Sequence Labeling Parsing
• Title（参考訳）: トランジッションベースとシーケンスラベリング解析の統一理論
• Authors: Carlos G\'omez-Rodr\'iguez, Michalina Strzyz, David Vilares
• Abstract要約: 文を左から右へ読み取る遷移に基づく構文解析アルゴリズムを,構文木をエンコードするシーケンスラベリングアルゴリズムにマップする。 これにより、トランジションベースの構文解析とシーケンスラベル解析の理論的関係が確立される。 4つのアルゴリズムのシーケンスラベリングバージョンを実装し、学習可能であり、既存のエンコーディングに匹敵する性能が得られることを示す。
• 参考スコア（独自算出の注目度）: 14.653008985229617
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We define a mapping from transition-based parsing algorithms that read sentences from left to right to sequence labeling encodings of syntactic trees. This not only establishes a theoretical relation between transition-based parsing and sequence-labeling parsing, but also provides a method to obtain new encodings for fast and simple sequence labeling parsing from the many existing transition-based parsers for different formalisms. Applying it to dependency parsing, we implement sequence labeling versions of four algorithms, showing that they are learnable and obtain comparable performance to existing encodings.
• Abstract（参考訳）: 文を左から右へ読み取る遷移解析アルゴリズムから,構文木のシーケンスラベリング符号化へのマッピングを定義する。 これはトランジッションベース解析とシーケンスラベル解析の間の理論的関係を確立するだけでなく、既存の多くのトランジッションベースのパーサーから高速で単純なシーケンスラベリング解析のための新しいエンコーディングを得る方法を提供する。 依存関係解析に適用することにより、4つのアルゴリズムのシーケンスラベルバージョンを実装し、学習可能であり、既存のエンコーディングと同等のパフォーマンスが得られることを示す。

関連論文リスト

• Enhancing Cross-Tokenizer Knowledge Distillation with Contextual Dynamical Mapping [85.48043537327258]
  コンテキスト動的マッピング(CDM)は、新しいクロストケナイザー蒸留フレームワークである。 文脈情報を用いてシーケンスアライメントの精度を高め、語彙マッピングを動的に改善する。 本手法は, 種々のベンチマークにおいて, 既存のクロストケナイザー蒸留ベースラインに対して有意な優位性を示す。
  論文  参考訳（メタデータ） (2025-02-16T12:46:07Z)
• Tokenization as Finite-State Transduction [24.19959327497118]
  正規言語の全てのトークン化を効率的にエンコードできる有限状態フレームワークを導入する。 そのByte-Pairを示します。 Match(BPE)とMaxPiece(WordPiece)がこのフレームワークに適合する。 これの応用は、あるパターンにマッチするように言語モデルの出力を制約するガイド付き生成である。
  論文  参考訳（メタデータ） (2024-10-21T07:10:07Z)
• On the Challenges of Fully Incremental Neural Dependency Parsing [7.466159270333272]
  BiLSTMやTransformerベースの双方向エンコーダの普及以来、最先端の構文は漸進性を欠いている。 本稿では、最新のアーキテクチャと完全にインクリメンタルな依存関係解析が競合するかどうかを考察する。 我々は、厳密に左から右へのニューラルエンコーダと、完全にインクリメンタルなシーケンスラベル付けとトランジッションベースのデコーダを組み合わせた双方向を構築する。
  論文  参考訳（メタデータ） (2023-09-28T08:44:08Z)
• Linear-Time Modeling of Linguistic Structure: An Order-Theoretic Perspective [97.57162770792182]
  文字列内のトークンのペア間の関係をモデル化するタスクは、自然言語を理解する上で不可欠な部分である。 これらの徹底的な比較は避けられ、さらに、トークン間の関係を文字列上の部分順序としてキャストすることで、複雑さを線形に減らすことができる。 提案手法は,文字列中の各トークンの実際の数を並列に予測し,それに従ってトークンをソートすることで,文字列内のトークンの総順序を決定する。
  論文  参考訳（メタデータ） (2023-05-24T11:47:35Z)
• On Parsing as Tagging [66.31276017088477]
  そこで我々は,現在最先端の選挙区タグであるテトラタグを減らして,シフト-リデュース解析を行う方法を示す。 我々は、線形化器、学習者、復号器の異なる選択でタグ付けパイプラインの分類を実証的に評価する。
  論文  参考訳（メタデータ） (2022-11-14T13:37:07Z)
• Graph-Based Decoding for Task Oriented Semantic Parsing [16.054030490095464]
  セマンティック解析を依存性解析タスクとして定式化し、構文解析のために開発されたグラフベースの復号法を適用した。 グラフベースのアプローチは、標準設定のシーケンスデコーダと競合し、部分的に注釈付けされたデータが利用できるようなデータ効率と設定を大幅に改善できることが分かりました。
  論文  参考訳（メタデータ） (2021-09-09T23:22:09Z)
• Dependency Parsing with Bottom-up Hierarchical Pointer Networks [0.7412445894287709]
  左から右へ、トップダウンのトランジションベースのアルゴリズムは、依存性解析を行う上で最も正確なアプローチである。 文を右から左の順に解析するアプローチと、外部から実行する変種という2つの新しい遷移ベースの代替案を提案する。 提案したニューラルアーキテクチャを、さまざまな言語で異なるアルゴリズムで実証的にテストし、そのすべてにおいて、元のアプローチよりも優れています。
  論文  参考訳（メタデータ） (2021-05-20T09:10:42Z)
• Syntactic representation learning for neural network based TTS with syntactic parse tree traversal [49.05471750563229]
  本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。 実験の結果,提案手法の有効性が示された。 複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
  論文  参考訳（メタデータ） (2020-12-13T05:52:07Z)
• 2kenize: Tying Subword Sequences for Chinese Script Conversion [54.33749520569979]
  本稿では,2つのスクリプト間のマッピングと変換をあいまいにできるモデルを提案する。 提案手法は,従来の漢字変換手法よりも精度が6ポイント向上した。
  論文  参考訳（メタデータ） (2020-05-07T10:53:05Z)
• Multi-level Head-wise Match and Aggregation in Transformer for Textual Sequence Matching [87.97265483696613]
  そこで本研究では,複数のレベルにおける頭部のマッチング表現を学習することで,Transformerとのシーケンスペアマッチングを新たに提案する。 実験の結果,提案手法は複数のタスクにおいて新しい最先端性能を実現することができることがわかった。
  論文  参考訳（メタデータ） (2020-01-20T20:02:02Z)

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。