論文の概要: Encoding Syntactic Constituency Paths for Frame-Semantic Parsing with Graph Convolutional Networks

• arxiv url: http://arxiv.org/abs/2011.13210v1
• Date: Thu, 26 Nov 2020 10:10:57 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 08:22:13.051900
• Title: Encoding Syntactic Constituency Paths for Frame-Semantic Parsing with Graph Convolutional Networks
• Title（参考訳）: グラフ畳み込みネットワークを用いたフレーム意味解析のための構文構成経路の符号化
• Authors: Emanuele Bastianelli, Andrea Vanzo, Oliver Lemon
• Abstract要約: 本研究では, フレーム・セマンティック・パーシング・サブタスクにおいて, 構成木からの構文情報をニューラルモデルに統合する問題について検討する。 グラフ畳み込みネットワークを用いて、各構成成分が対応する生産文法規則としてプロファイルされるような構成成分の特定の表現を学習する。 我々はこれらの表現を利用して文中の各単語の構文的特徴を構築し、単語と木内のタスク固有ノードの間の経路上のすべての構成要素の和として計算する。
• 参考スコア（独自算出の注目度）: 4.716034416800441
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We study the problem of integrating syntactic information from constituency trees into a neural model in Frame-semantic parsing sub-tasks, namely Target Identification (TI), FrameIdentification (FI), and Semantic Role Labeling (SRL). We use a Graph Convolutional Network to learn specific representations of constituents, such that each constituent is profiled as the production grammar rule it corresponds to. We leverage these representations to build syntactic features for each word in a sentence, computed as the sum of all the constituents on the path between a word and a task-specific node in the tree, e.g. the target predicate for SRL. Our approach improves state-of-the-art results on the TI and SRL of ~1%and~3.5% points, respectively (+2.5% additional points are gained with BERT as input), when tested on FrameNet 1.5, while yielding comparable results on the CoNLL05 dataset to other syntax-aware systems.
• Abstract（参考訳）: 本研究では,選択木からの構文情報をフレーム意味解析サブタスク,すなわちターゲット識別(TI),フレーム同定(FI),セマンティックロールラベル(SRL)のニューラルネットワークに統合する問題について検討する。 グラフ畳み込みネットワークを用いて構成成分の特定の表現を学習し、各構成成分が対応する生産文法規則としてプロファイルされる。 我々はこれらの表現を利用して文中の各単語の構文的特徴を構築し、単語と木内のタスク固有ノードの間の経路上のすべての構成要素の和として計算する。 提案手法では,入力としてBERTを使用した場合に,TIとSRLのそれぞれ1%および3.5%の値(+2.5%の追加ポイントは入力としてBERTで得られる)の最先端結果を改善するとともに,CoNLL05データセットで同等の結果を他の構文認識システムに出力する。

関連論文リスト

• Graph Neural Networks for Contextual ASR with the Tree-Constrained Pointer Generator [9.053645441056256]
  本稿では,グラフニューラルネットワーク(GNN)符号化を用いたエンドツーエンドのコンテキストASRを実現するための革新的な手法を提案する。 GNNエンコーディングは、各ツリーノードでのASR復号処理において、将来のワードピースのルックアヘッドを促進する。 Librispeech と AMI corpus を用いて,視覚的な文脈的 ASR パイプラインに従ってシステム性能を評価した。
  論文  参考訳（メタデータ） (2023-05-30T08:20:58Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Tree-constrained Pointer Generator with Graph Neural Network Encodings for Contextual Speech Recognition [19.372248692745167]
  本稿では,木制約ポインタジェネレータ (TCPGen) コンポーネントにおけるグラフニューラルネットワーク (GNN) のエンド・ツー・エンドコンテキスト ASR への利用を提案する。 GNNエンコーディングのTCPGenは、元のTCPGenと比較して、バイアスのある単語のWERを15%削減した。
  論文  参考訳（メタデータ） (2022-07-02T15:12:18Z)
• GP-S3Net: Graph-based Panoptic Sparse Semantic Segmentation Network [1.9949920338542213]
  GP-S3Netは提案なしのアプローチであり、オブジェクトを識別するためにオブジェクトの提案は必要ない。 私たちの新しいデザインは、セマンティックな結果を処理する新しいインスタンスレベルのネットワークで構成されています。 GP-S3Netは現在の最先端のアプローチよりも優れていた。
  論文  参考訳（メタデータ） (2021-08-18T21:49:58Z)
• 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)
• Graph Neural Networks with Composite Kernels [60.81504431653264]
  カーネル重み付けの観点からノード集約を再解釈する。 本稿では,アグリゲーション方式における特徴類似性を考慮したフレームワークを提案する。 特徴空間における特徴類似性をエンコードするために,元の隣り合うカーネルと学習可能なカーネルの合成として特徴集約を提案する。
  論文  参考訳（メタデータ） (2020-05-16T04:44:29Z)
• BURT: BERT-inspired Universal Representation from Twin Structure [89.82415322763475]
  BURT (BERT inspired Universal Representation from Twin Structure) は任意の粒度の入力シーケンスに対して普遍的で固定サイズの表現を生成することができる。 提案するBURTは,Siameseネットワークを採用し,自然言語推論データセットから文レベル表現を学習し,パラフレーズ化データセットから単語/フレーズレベル表現を学習する。 我々は,STSタスク,SemEval2013 Task 5(a) など,テキスト類似性タスクの粒度によってBURTを評価する。
  論文  参考訳（メタデータ） (2020-04-29T04:01:52Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)
• Graph Structured Network for Image-Text Matching [127.68148793548116]
  微粒化対応学習のためのグラフ構造化マッチングネットワークを提案する。 GSMNは、明示的にオブジェクト、関係、属性を構造化されたフレーズとしてモデル化する。 実験により、GSMNはベンチマークで最先端の手法より優れていることが示された。
  論文  参考訳（メタデータ） (2020-04-01T08:20:42Z)
• Discontinuous Constituent Parsing with Pointer Networks [0.34376560669160383]
  不連続な構成木は、ドイツ語のような言語の文法的な現象を表現するのに不可欠である。 係り受け解析の最近の進歩は、ポインタネットワークが文中の単語間の構文関係を効率的に解析することに優れていることを示している。 本稿では,最も正確な不連続な構成表現を生成するニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-05T15:12:03Z)

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。