Fugu-MT 論文翻訳(概要): A Benchmark of Rule-Based and Neural Coreference Resolution in Dutch Novels and News

論文の概要: A Benchmark of Rule-Based and Neural Coreference Resolution in Dutch Novels and News

arxiv url: http://arxiv.org/abs/2011.01615v1
Date: Tue, 3 Nov 2020 10:52:00 GMT
ステータス: 処理完了
システム内更新日: 2022-09-30 04:54:07.407659
Title: A Benchmark of Rule-Based and Neural Coreference Resolution in Dutch Novels and News
Title（参考訳）: オランダ小説とニュースにおけるルールベースおよびニューラルコリファレンス解決のベンチマーク
Authors: Corb\`en Poot, Andreas van Cranenburgh
Abstract要約: 結果は、データ駆動システムと知識駆動システムの相対的な強みに関する洞察を与える。ニューラルシステムはニュース/Wikipediaのテキストで、ルールベースのシステムは文学で、ベストに機能する。
参考スコア（独自算出の注目度）: 4.695687634290403
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We evaluate a rule-based (Lee et al., 2013) and neural (Lee et al., 2018) coreference system on Dutch datasets of two domains: literary novels and news/Wikipedia text. The results provide insight into the relative strengths of data-driven and knowledge-driven systems, as well as the influence of domain, document length, and annotation schemes. The neural system performs best on news/Wikipedia text, while the rule-based system performs best on literature. The neural system shows weaknesses with limited training data and long documents, while the rule-based system is affected by annotation differences. The code and models used in this paper are available at https://github.com/andreasvc/crac2020
Abstract（参考訳）: 文芸小説とニュース/Wikipediaテキストという2つのドメインのオランダのデータセットに基づいてルールベース(Lee et al., 2013)とニューラル(Lee et al., 2018)のコア推論システムを評価する。その結果、データ駆動型および知識駆動型システムの相対的強みや、ドメイン、文書の長さ、アノテーションスキームの影響についての知見が得られる。ニューラルシステムはニュース/wikipediaのテキストでベスト、ルールベースのシステムは文学でベストだ。ニューラルネットワークは、限られたトレーニングデータと長いドキュメントを持つ弱点を示し、ルールベースのシステムはアノテーションの違いの影響を受けます。本論文で使用されるコードとモデルは、https://github.com/andreasvc/crac2020で利用可能である。

関連論文リスト

Neuro-symbolic Rule Learning in Real-world Classification Tasks [75.0907310059298]
pix2ruleのニューラルDNFモジュールを拡張し、実世界のマルチクラスおよびマルチラベル分類タスクにおけるルール学習をサポートする。多クラス分類において相互排他性を強制するニューラルDNF-EO(Exactly One)と呼ばれる新しい拡張モデルを提案する。
論文参考訳（メタデータ） (2023-03-29T13:27:14Z)
Like a Good Nearest Neighbor: Practical Content Moderation and Text Classification [66.02091763340094]
LaGoNN(Good Nearest Neighbor)は、学習可能なパラメータを導入することなく、隣人の情報で入力テキストを変更するSetFitの変更である。 LaGoNNは望ましくないコンテンツやテキスト分類のフラグ付けに有効であり、SetFitのパフォーマンスを改善する。
論文参考訳（メタデータ） (2023-02-17T15:43:29Z)
SLCNN: Sentence-Level Convolutional Neural Network for Text Classification [0.0]
畳み込みニューラルネットワーク(CNN)は,テキスト分類のタスクにおいて顕著な成功を収めている。 CNNを用いたテキスト分類のための新しいベースラインモデルが研究されている。結果から,提案したモデルの性能は,特に長いドキュメントにおいて向上していることがわかった。
論文参考訳（メタデータ） (2023-01-27T13:16:02Z)
Non-neural Models Matter: A Re-evaluation of Neural Referring Expression Generation Systems [6.651864489482537]
近年、ニューラルモデルは、NLGにおけるルールベースや古典的な機械学習アプローチよりも優れています。いくつかのタスクにおいて、よく設計された非神経アプローチは、ニューラルネットワークよりも優れたパフォーマンスを実現するため、それらを見落とすべきではない、と私たちは主張する。
論文参考訳（メタデータ） (2022-03-15T21:47:25Z)
LNN-EL: A Neuro-Symbolic Approach to Short-text Entity Linking [62.634516517844496]
本稿では,解釈可能なルールとニューラルネットワークの性能を併用したニューラルシンボリックアプローチであるLNN-ELを提案する。ルールの使用に制約があるにもかかわらず、LNN-ELはSotAのブラックボックスニューラルアプローチと競合する。
論文参考訳（メタデータ） (2021-06-17T20:22:45Z)
NSL: Hybrid Interpretable Learning From Noisy Raw Data [66.15862011405882]
本稿では,ラベル付き非構造データから解釈可能なルールを学習するニューラルシンボリック学習フレームワークNSLを提案する。 NSLは、機能抽出のためのトレーニング済みニューラルネットワークと、解集合セマンティクスに基づくルール学習のための最先端のILPシステムであるFastLASを組み合わせる。 NSLは、MNISTデータから堅牢なルールを学び、ニューラルネットワークやランダムフォレストベースラインと比較して、比較または優れた精度を達成できることを実証します。
論文参考訳（メタデータ） (2020-12-09T13:02:44Z)
Neuro-Symbolic Representations for Video Captioning: A Case for Leveraging Inductive Biases for Vision and Language [148.0843278195794]
ビデオキャプションのためのマルチモーダルなニューラルシンボリック表現を学習するための新しいモデルアーキテクチャを提案する。本手法では,ビデオ間の関係を学習する辞書学習手法と,そのペアによるテキスト記述を用いる。
論文参考訳（メタデータ） (2020-11-18T20:21:19Z)
Coreference Resolution System for Indonesian Text with Mention Pair Method and Singleton Exclusion using Convolutional Neural Network [0.0]
インドネシア語テキストの参照ペア法による新しいコア参照解決システムを提案する。語彙的・統語的特徴に加えて,言及する単語や文脈の表現を学習するために,単語埋め込みを用いてCNNに供給する。提案システムは最先端システムより優れている。
論文参考訳（メタデータ） (2020-09-11T22:21:19Z)
Learning Compositional Rules via Neural Program Synthesis [67.62112086708859]
少数の例からルールシステム全体を学習するニューロシンボリックモデルを提案する。入力からの出力を直接予測する代わりに、前述した例の集合を規定する規則の明示的な体系を誘導するようにモデルを訓練する。
論文参考訳（メタデータ） (2020-03-12T01:06:48Z)
Improving Neural Named Entity Recognition with Gazetteers [6.292153194561472]
本稿では,Wikidataナレッジグラフからガゼッタを生成する方法と,その情報をニューラルNERシステムに統合する方法について述べる。実験の結果、このアプローチは2つの異なる言語のパフォーマンス向上をもたらすことが明らかになった。
論文参考訳（メタデータ） (2020-03-06T08:29:37Z)
SeMemNN: A Semantic Matrix-Based Memory Neural Network for Text Classification [15.111940377403252]
本稿では,エンド・ツー・エンドの学習方法を用いて,セマンティック・マトリックス・ベースのメモリ・ニューラル・ネットワークのための5つの異なる構成を提案する。提案手法を2つのニュース記事のコーパス(AGニュース, Sogouニュース)で評価する。
論文参考訳（メタデータ） (2020-03-04T02:00:57Z)

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。