Fugu-MT 論文翻訳(概要): OP-IMS @ DIACR-Ita: Back to the Roots: SGNS+OP+CD still rocks Semantic Change Detection

論文の概要: OP-IMS @ DIACR-Ita: Back to the Roots: SGNS+OP+CD still rocks Semantic Change Detection

arxiv url: http://arxiv.org/abs/2011.03258v1
Date: Fri, 6 Nov 2020 10:02:12 GMT
ステータス: 処理完了
システム内更新日: 2022-09-29 04:49:42.493773
Title: OP-IMS @ DIACR-Ita: Back to the Roots: SGNS+OP+CD still rocks Semantic Change Detection
Title（参考訳）: OP-IMS @ DIACR-Ita: Back to the Roots: SGNS+OP+CD still rock Semantic Change Detection
Authors: Jens Kaiser, Dominik Schlechtweg, Sabine Schulte im Walde
Abstract要約: 我々は,Skip-GramとNegative Smplingに基づく最初期の,最も影響力のある意味変化検出モデルを利用する。完全に近い精度で共有タスクの入賞申請を得る。提案手法は,語彙意味変化検出における現在のタスク設定において,従来の型ベースアプローチが優れた性能を発揮することを示す。
参考スコア（独自算出の注目度）: 19.31318149094267
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present the results of our participation in the DIACR-Ita shared task on lexical semantic change detection for Italian. We exploit one of the earliest and most influential semantic change detection models based on Skip-Gram with Negative Sampling, Orthogonal Procrustes alignment and Cosine Distance and obtain the winning submission of the shared task with near to perfect accuracy .94. Our results once more indicate that, within the present task setup in lexical semantic change detection, the traditional type-based approaches yield excellent performance.
Abstract（参考訳）: イタリア語の語彙意味変化検出におけるDIACR-Ita共有タスクへの参加について報告する。我々は,Skip-Gram with Negative Smpling, Orthogonal ProcrustesアライメントとCosine Distanceに基づく最初期の,最も影響力のある意味変化検出モデルを活用し,ほぼ完全な精度.94で共有タスクの入賞者を得る。また, 語彙的意味変化検出におけるタスク設定において, 従来の型ベースアプローチが優れた性能をもたらすことを示す。

関連論文リスト

Align, Perturb and Decouple: Toward Better Leverage of Difference Information for RSI Change Detection [24.249552791014644]
変化検出は、リモートセンシング画像(RSI)解析において広く採用されている手法である。そこで我々は,アライメント,摂動,デカップリングといった差分情報を完全に活用するための一連の操作を提案する。
論文参考訳（メタデータ） (2023-05-30T03:39:53Z)
Fine-Tuning Deteriorates General Textual Out-of-Distribution Detection by Distorting Task-Agnostic Features [14.325845491628087]
アウト・オブ・ディストリビューション(OOD)入力は、自然言語処理(NLP)モデルの安全なデプロイに不可欠である。本研究は,意味的および非意味的変化を検出するための主流テキストOOD検出手法を評価するための第一歩である。本稿では,タスク非依存およびタスク特化表現から得られた信頼スコアを統合する,GNOMEという単純なOODスコアを提案する。
論文参考訳（メタデータ） (2023-01-30T08:01:13Z)
Joint Spatio-Temporal Modeling for the Semantic Change Detection in Remote Sensing Images [22.72105435238235]
両時間RSI間の「から」意味遷移を明示的にモデル化するための意味変化(SCanFormer)を提案する。次に,SCDタスクに忠実な Transformer 時間制約を活用する意味学習手法を導入し,意味変化の学習を指導する。結果として得られたネットワーク(SCanNet)は、決定的意味変化の検出と、得られた両時間的結果のセマンティック一貫性の両方において、ベースライン法より優れている。
論文参考訳（メタデータ） (2022-12-10T08:49:19Z)
Zero-Shot Temporal Action Detection via Vision-Language Prompting [134.26292288193298]
視覚言語プロンプト(STALE)を用いた新しいゼロショット時間行動検出モデルを提案する。我々のモデルは最先端の代替品を著しく上回っている。我々のモデルは、近年の強力な競合相手よりも監督的TADにおいて優れた結果をもたらす。
論文参考訳（メタデータ） (2022-07-17T13:59:46Z)
Continual Object Detection via Prototypical Task Correlation Guided Gating Mechanism [120.1998866178014]
pRotOtypeal taSk corrElaTion guided gaTingAnism (ROSETTA)による連続物体検出のためのフレキシブルなフレームワークを提案する。具体的には、統一されたフレームワークはすべてのタスクで共有され、タスク対応ゲートは特定のタスクのサブモデルを自動的に選択するために導入されます。 COCO-VOC、KITTI-Kitchen、VOCのクラスインクリメンタル検出、および4つのタスクの逐次学習の実験により、ROSETTAが最先端のパフォーマンスを得ることが示された。
論文参考訳（メタデータ） (2022-05-06T07:31:28Z)
SChME at SemEval-2020 Task 1: A Model Ensemble for Detecting Lexical Semantic Change [58.87961226278285]
本稿では,SemEval-2020 Task 1における語彙意味変化の教師なし検出法であるSChMEについて述べる。 SChMEは、分布モデル(単語埋め込み)とワード周波数モデルの信号を組み合わせたモデルアンサンブルを使用し、各モデルは、その特徴に応じて単語が苦しむ確率を示す投票を行う。
論文参考訳（メタデータ） (2020-12-02T23:56:34Z)
CL-IMS @ DIACR-Ita: Volente o Nolente: BERT does not outperform SGNS on Semantic Change Detection [15.70391845537994]
我々は、トークンベースのBERT埋め込みの平均ペアワイズ距離をタイムポイントとランク5(8)の間の公式ランキングで利用し、精度は.72ドルである。以上の結果から,語彙的意味変化検出においてBERTの埋め込みを効果的に活用する方法は見つからなかった。
論文参考訳（メタデータ） (2020-11-14T09:50:35Z)
NLP-CIC @ DIACR-Ita: POS and Neighbor Based Distributional Models for Lexical Semantic Change in Diachronic Italian Corpora [62.997667081978825]
本稿では,イタリア語に対する教師なし語彙意味変化のシステムと知見について述べる。その課題は、対象の単語が時間とともにその意味を進化させたかどうかを判断することであり、それは2つの時間固有のデータセットからの原文のみに依存する。本研究では,各期間に対象単語を表す2つのモデルを提案し,しきい値と投票方式を用いて変化単語を予測する。
論文参考訳（メタデータ） (2020-11-07T11:27:18Z)
QMUL-SDS @ DIACR-Ita: Evaluating Unsupervised Diachronic Lexical Semantics Classification in Italian [28.295390526029415]
本稿では,DIACR-ITA 2020タスクの成果と主な成果について述べる。このタスクは、2つのダイアクロニック・イタリアのコーパスから単語のベクトル変化を訓練し、調整し、予測することである。我々のモデルは83.3%の精度で3位にランクインした。
論文参考訳（メタデータ） (2020-11-05T16:00:35Z)
Discriminative Nearest Neighbor Few-Shot Intent Detection by Transferring Natural Language Inference [150.07326223077405]
データ不足を緩和するためには、ほとんどショットラーニングが注目を集めている。深部自己注意を伴う識別的近傍分類を提示する。自然言語推論モデル(NLI)を変換することで識別能力を高めることを提案する。
論文参考訳（メタデータ） (2020-10-25T00:39:32Z)
Unsupervised Cross-lingual Adaptation for Sequence Tagging and Beyond [58.80417796087894]
多言語事前訓練言語モデル(mPTLM)による言語間適応は、主にゼロショットアプローチと翻訳に基づくアプローチの2行からなる。本稿では、ゼロショットアプローチと翻訳に基づくアプローチを統合し、適応性能を向上させるための新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-10-23T13:47:01Z)

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。