Fugu-MT 論文翻訳(概要): \'UFAL at MRP 2020: Permutation-invariant Semantic Parsing in PERIN

論文の概要: \'UFAL at MRP 2020: Permutation-invariant Semantic Parsing in PERIN

arxiv url: http://arxiv.org/abs/2011.00758v1
Date: Mon, 2 Nov 2020 05:47:08 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 11:47:34.275345
Title: \'UFAL at MRP 2020: Permutation-invariant Semantic Parsing in PERIN
Title（参考訳）: mrp 2020における \'ufal:permutation-invariant semantic parsing in perin
Authors: David Samuel, Milan Straka
Abstract要約: PERINは文間セマンティック解析における新しい置換不変のアプローチである。 4つの言語にまたがる5つの異なるフレームワークで評価された。
参考スコア（独自算出の注目度）: 5.365579703864223
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We present PERIN, a novel permutation-invariant approach to sentence-to-graph semantic parsing. PERIN is a versatile, cross-framework and language independent architecture for universal modeling of semantic structures. Our system participated in the CoNLL 2020 shared task, Cross-Framework Meaning Representation Parsing (MRP 2020), where it was evaluated on five different frameworks (AMR, DRG, EDS, PTG and UCCA) across four languages. PERIN was one of the winners of the shared task. The source code and pretrained models are available at https://github.com/ufal/perin.
Abstract（参考訳）: 本稿では,文間セマンティック解析のための新しい置換不変手法PERINを提案する。 perinは、セマンティクス構造の普遍的なモデリングのための汎用的でクロスフレームワークで言語に依存しないアーキテクチャである。筆者らは,CNLL 2020共有タスクであるCross-Framework Meaning Representation Parsing (MRP 2020)に参加し,4言語にわたる5つのフレームワーク(AMR,DRG,EDS,PTG,UCCA)で評価を行った。 PERINは共有タスクの勝者の1人です。ソースコードと事前訓練されたモデルはhttps://github.com/ufal/perin.comで入手できる。

関連論文リスト

Tomato, Tomahto, Tomate: Measuring the Role of Shared Semantics among Subwords in Multilingual Language Models [88.07940818022468]
エンコーダのみの多言語言語モデル(mLM)におけるサブワード間の共有セマンティクスの役割を測る第一歩を踏み出した。意味的に類似したサブワードとその埋め込みをマージして「意味トークン」を形成する。グループ化されたサブワードの検査では様々な意味的類似性を示します
論文参考訳（メタデータ） (2024-11-07T08:38:32Z)
A Bionic Natural Language Parser Equivalent to a Pushdown Automaton [0.7783262415147654]
アセンブリ計算(AC)に基づく新しいバイオニック自然言語(BNLP)を提案する。オリジナルとは対照的に、BNLPはすべての正規言語とDyck言語を完全に扱える。我々は、任意のPDAに対してBNLPに対応するオートマトンを常に形成できることを正式に証明する。
論文参考訳（メタデータ） (2024-04-26T11:50:15Z)
Zur Darstellung eines mehrstufigen Prototypbegriffs in der multilingualen automatischen Sprachgenerierung: vom Korpus \"uber word embeddings bis hin zum automatischen W\"orterbuch [0.0]
名詞 valency Portlex の多言語辞書は、Xera と Combinatoria を自動生成するきっかけとなったと考えられている。両方のプロトタイプは、名詞句の自動生成に使用されている。
論文参考訳（メタデータ） (2023-12-26T19:39:25Z)
Retrofitting Multilingual Sentence Embeddings with Abstract Meaning Representation [70.58243648754507]
抽象的意味表現(AMR)を用いた既存の多言語文の埋め込みを改善する新しい手法を提案する。原文入力と比較すると、AMRは文の中核概念と関係を明確かつ曖昧に表す構造的意味表現である。実験結果から,多言語文をAMRで埋め込むと,意味的類似性と伝達タスクの両方において,最先端の性能が向上することがわかった。
論文参考訳（メタデータ） (2022-10-18T11:37:36Z)
Learning Disentangled Semantic Representations for Zero-Shot Cross-Lingual Transfer in Multilingual Machine Reading Comprehension [40.38719019711233]
マルチリンガル事前学習モデルは、機械読取理解(MRC)において、リッチリソース言語から低リソース言語への移行知識をゼロショットで得ることができる本稿では,シメセマンティック・ディスタングルメント・モデル(SSDM)を用いた,多言語事前学習モデルで学習した表現の構文から意味論を解離させる新しい多言語MRCフレームワークを提案する。
論文参考訳（メタデータ） (2022-04-03T05:26:42Z)
Rethinking the Two-Stage Framework for Grounded Situation Recognition [61.93345308377144]
接地状況認識は「人間のような」事象理解に向けた重要なステップである。既存のGSR手法では、第1段階で動詞を予測し、第2段階での意味的役割を検出するという、2段階の枠組みを採用している。本稿では,CFVM (Coarse-to-Fine Verb Model) と Transformer-based Noun Model (TNM) で構成される新しいGSR用SituFormerを提案する。
論文参考訳（メタデータ） (2021-12-10T08:10:56Z)
Efficient Weight factorization for Multilingual Speech Recognition [67.00151881207792]
エンドツーエンドの多言語音声認識は、多くの言語を含む合成音声コーパスで単一のモデルトレーニングを使用する。トレーニングデータの各言語には異なる特徴があるため、共有ネットワークは、すべての言語を同時に最適化するのに苦労する可能性がある。ニューラルネットワークのコア動作をターゲットとした新しい多言語アーキテクチャを提案する:線形変換関数。
論文参考訳（メタデータ） (2021-05-07T00:12:02Z)
NEMO: Frequentist Inference Approach to Constrained Linguistic Typology Feature Prediction in SIGTYP 2020 Shared Task [83.43738174234053]
タイプ的特徴間の相関関係を表現するために頻繁な推論を用い、この表現を用いて、個々の特徴を予測する単純なマルチクラス推定器を訓練する。テスト言語149言語に対して,マイクロ平均精度0.66を達成できた。
論文参考訳（メタデータ） (2020-10-12T19:25:43Z)
HUJI-KU at MRP~2020: Two Transition-based Neural Parsers [7.081264564269638]
計算言語学習会議(CoNLL)におけるMRP(Cross-Framework Meaning Parsing)における共有タスクへのHUJI-KUシステムの適用について述べる。 TUPAとHIT-SCIRをそれぞれ,2019 MRP共有タスクにおけるベースラインシステムと入賞システムに採用した。
論文参考訳（メタデータ） (2020-10-12T13:41:32Z)
Cross-lingual Semantic Role Labeling with Model Transfer [49.85316125365497]
言語間セマンティックロールラベリングは、普遍的な特徴の助けを借りてモデル転送によって達成できる。本稿では,多種多様なユニバーサル特徴と転送手法を組み込んだエンドツーエンドSRLモデルを提案する。
論文参考訳（メタデータ） (2020-08-24T09:37:45Z)

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。