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
- 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) - Hyperpolyglot LLMs: Cross-Lingual Interpretability in Token Embeddings [4.2243058640527575]
言語間移動学習は多言語大言語モデル(LLM)の重要な特性である
1)事前学習とモデルアーキテクチャが言語表現に与える影響,2)言語モデルに埋め込まれた言語間表現の応用について検討する。
論文 参考訳(メタデータ) (2023-11-29T19:20:14Z) - Simple Yet Effective Neural Ranking and Reranking Baselines for
Cross-Lingual Information Retrieval [50.882816288076725]
言語間情報検索は、ある言語で文書を検索し、別の言語でクエリーを検索するタスクである。
本研究では,多段階アーキテクチャを用いた言語横断検索のための異なるアプローチを体系化するための概念的枠組みを提案する。
我々は、ペルシア、ロシア、中国のTREC 2022 NeuCLIRトラックから収集したテストコレクションに対して、Anserini IRツールキットとPyserini IRツールキットに単純かつ効果的に再現可能なベースラインを実装した。
論文 参考訳(メタデータ) (2023-04-03T14:17:00Z) - 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。
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。