Fugu-MT 論文翻訳(概要): Competition in Cross-situational Word Learning: A Computational Study

論文の概要: Competition in Cross-situational Word Learning: A Computational Study

arxiv url: http://arxiv.org/abs/2012.03370v1
Date: Sun, 6 Dec 2020 20:32:56 GMT
ステータス: 処理完了
システム内更新日: 2021-05-21 14:02:57.781445
Title: Competition in Cross-situational Word Learning: A Computational Study
Title（参考訳）: 横断的単語学習における競争 : 計算学的研究
Authors: Aida Nematzadeh, Zahra Shekarchi, Thomas L. Griffiths, and Suzanne Stevenson
Abstract要約: 子どもたちは、言葉が使われるさまざまな状況にまたがって共通点をタップすることで、単語の意味を学ぶ。本研究では,不確実性に直面して単語の意味をうまく学習するには,学習者が2種類の競合を利用する必要があることを示す。
参考スコア（独自算出の注目度）: 10.069127121936281
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Children learn word meanings by tapping into the commonalities across different situations in which words are used and overcome the high level of uncertainty involved in early word learning experiences. In a set of computational studies, we show that to successfully learn word meanings in the face of uncertainty, a learner needs to use two types of competition: words competing for association to a referent when learning from an observation and referents competing for a word when the word is used.
Abstract（参考訳）: 子どもたちは、言葉が使われているさまざまな状況に共通点をタップして単語の意味を学習し、早期の単語学習経験にかかわる高い不確実性を克服する。本研究では,不確実性に直面して単語の意味をうまく学習するためには,参照語と関連づける単語と,単語が使用される際に単語を競合する参照語という2つのタイプの競合を用いる必要があることを示す。

関連論文リスト

From cart to truck: meaning shift through words in English in the last two centuries [0.0]
この擬似論的研究は、時間とともに異なる単語が同じ概念をどう表現するかを、ダイアクロニックな単語埋め込みを用いて調査する。我々は、エネルギー、輸送、エンターテイメント、およびコンピューティング領域の変化を特定し、言語と社会的な変化の関連を明らかにする。
論文参考訳（メタデータ） (2024-08-29T02:05:39Z)
Reframing linguistic bootstrapping as joint inference using visually-grounded grammar induction models [31.006803764376475]
意味的・統語的ブートストラッピング・ポジトリ(Semantic and Syntactic bootstrapping posit)とは、子供が特定の言語領域についての事前の知識、例えば構文的関係(syntactic relations)を使い、後に新しい単語の意味などの他の知識を取得する手助けをするものである。ここでは、両者が、言語習得のためのより一般的な学習戦略である共同学習に固執していると論じる。一連の視覚的文法帰納モデルを用いて,構文と意味が同時に学習された場合に,構文的および意味的ブートストラップ効果が最強であることが実証された。
論文参考訳（メタデータ） (2024-06-17T18:01:06Z)
Storyfier: Exploring Vocabulary Learning Support with Text Generation Models [52.58844741797822]
本研究では,学習者の興味をひく対象語に対するコヒーレントな文脈を提供するために,Storyfierを開発した。学習者は一般的に、生成したストーリーを目標語を接続し、学習負荷を緩和するための支援を書くのに好む。読み書き学習セッションでは、AI機能のないベースラインツールで学習するよりも、Storyfierを使用する参加者は、リコールやターゲット語の使用でパフォーマンスが悪くなります。
論文参考訳（メタデータ） (2023-08-07T18:25:00Z)
Towards Open Vocabulary Learning: A Survey [146.90188069113213]
ディープニューラルネットワークは,セグメンテーションやトラッキング,検出といった,さまざまなコアタスクにおいて,目覚ましい進歩を遂げている。近年、視覚言語事前学習の急速な進歩により、オープンな語彙設定が提案されている。本稿では,その分野における最近の発展を要約し分析し,オープンな語彙学習の徹底的なレビューを行う。
論文参考訳（メタデータ） (2023-06-28T02:33:06Z)
BabySLM: language-acquisition-friendly benchmark of self-supervised spoken language models [56.93604813379634]
音声表現を学習するための自己指導技術は、人間のラベルを必要とせずに、音声への露出から言語能力を高めることが示されている。語彙および構文レベルで音声言語モデルを探索するために,言語習得に親しみやすいベンチマークを提案する。テキストと音声のギャップを埋めることと、クリーンな音声とその内話のギャップを埋めることである。
論文参考訳（メタデータ） (2023-06-02T12:54:38Z)
Neighboring Words Affect Human Interpretation of Saliency Explanations [65.29015910991261]
単語レベルのサリエンシの説明は、しばしばテキストベースのモデルで特徴属性を伝えるために使われる。近年の研究では、単語の長さなどの表面的要因が、コミュニケーションされたサリエンシスコアの人間の解釈を歪めてしまうことが報告されている。本研究では,単語の近傍にある単語のマーキングが,その単語の重要性に対する説明者の認識にどのように影響するかを検討する。
論文参考訳（メタデータ） (2023-05-04T09:50:25Z)
Predicting Word Learning in Children from the Performance of Computer Vision Systems [24.49899952381515]
本研究では,子どもが異なるカテゴリーの単語を習得する年齢が,視覚的分類とキャプションシステムの性能と相関していることを示す。コンピュータビジョンシステムの性能は,子どもの単語学習の予測因子である単語の具体性についての人間の判断と相関する。
論文参考訳（メタデータ） (2022-07-07T22:49:32Z)
Keywords and Instances: A Hierarchical Contrastive Learning Framework Unifying Hybrid Granularities for Text Generation [59.01297461453444]
入力テキスト中のハイブリッドな粒度意味を統一する階層的コントラスト学習機構を提案する。実験により,本モデルがパラフレージング,対話生成,ストーリーテリングタスクにおいて,競争ベースラインより優れていることが示された。
論文参考訳（メタデータ） (2022-05-26T13:26:03Z)
Using Known Words to Learn More Words: A Distributional Analysis of Child Vocabulary Development [0.0]
分布統計の語彙特性を用いた語彙発達におけるアイテムベース変動について検討した。単語軌跡を横断的に予測し,語彙発達の傾向に光を当てた。また, 子どもが単語を知っているかどうかの最適な分布予測器は, 単語が共起する傾向にある他の単語の数であることを示す。
論文参考訳（メタデータ） (2020-09-15T01:18:21Z)
Learning to Recognise Words using Visually Grounded Speech [15.972015648122914]
このモデルは、視覚的に接地された埋め込みを作成するために、画像と音声キャプションのペアで訓練されている。本研究では,そのようなモデルを用いて,単語を埋め込み,それらを用いて視覚的参照者の画像を取得することによって,単語の認識が可能かどうかを検討する。
論文参考訳（メタデータ） (2020-05-31T12:48:37Z)
On Vocabulary Reliance in Scene Text Recognition [79.21737876442253]
ボキャブラリ内の単語を持つ画像に対して、手法は良好に機能するが、ボキャブラリ外の単語を持つ画像にはあまり一般化しない。私たちはこの現象を「語彙依存」と呼んでいる。本研究では,2家族のモデルが協調的に学習できるようにするための,シンプルで効果的な相互学習戦略を提案する。
論文参考訳（メタデータ） (2020-05-08T11:16:58Z)

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。