論文の概要: Writing Polishment with Simile: Task, Dataset and A Neural Approach

• arxiv url: http://arxiv.org/abs/2012.08117v1
• Date: Tue, 15 Dec 2020 06:39:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-07 05:27:52.943253
• Title: Writing Polishment with Simile: Task, Dataset and A Neural Approach
• Title（参考訳）: Simileでポーランド語を書く:タスク,データセット,ニューラルアプローチ
• Authors: Jiayi Zhang, Zhi Cui, Xiaoqiang Xia, Yalong Guo, Yanran Li, Chen Wei, Jianwei Cui
• Abstract要約: 我々は、機械が人間と同じようにシミュラでテキストを磨くことができるかどうかを調べるために、Simile (WPS) でポーランド語を書くための新しいタスクを提案する。 我々のモデルはまず、シミリの発生場所を特定し、次に位置固有のシミリを生成する。 また、コンテキスト付き500万マイルを含む大規模な中国シミールデータセットもリリースしています。
• 参考スコア（独自算出の注目度）: 9.38000305423665
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: A simile is a figure of speech that directly makes a comparison, showing similarities between two different things, e.g. "Reading papers can be dull sometimes,like watching grass grow". Human writers often interpolate appropriate similes into proper locations of the plain text to vivify their writings. However, none of existing work has explored neural simile interpolation, including both locating and generation. In this paper, we propose a new task of Writing Polishment with Simile (WPS) to investigate whether machines are able to polish texts with similes as we human do. Accordingly, we design a two-staged Locate&Gen model based on transformer architecture. Our model firstly locates where the simile interpolation should happen, and then generates a location-specific simile. We also release a large-scale Chinese Simile (CS) dataset containing 5 million similes with context. The experimental results demonstrate the feasibility of WPS task and shed light on the future research directions towards better automatic text polishment.
• Abstract（参考訳）: シミリ(simile)は、直接比較を行い、例えば2つの異なるもの間の類似性を示す音声の図形である。 「紙を読むのは、草が生えるのを見るように、時々鈍くなる。」 人間の作家はしばしば、適切なシミュラをプレーンテキストの適切な場所へ解釈して、彼らの著作を活気づける。 しかし、既存の研究では、探索と生成の両方を含むニューラルシミール補間を探求していない。 本稿では,機械が人間のようにシミールでテキストを磨くことができるかどうかを調べるため,simile (wps) を用いた研磨作業を提案する。 そこで我々は,トランスフォーマーアーキテクチャに基づく2段配置・生成モデルの設計を行った。 我々のモデルはまず、シミリ補間が行われるべき場所を特定し、次に位置特異的シミリを生成する。 また、コンテキスト付きで500万シミリを含む大規模な中国シマイル(cs)データセットもリリースしています。 実験結果は,WPSタスクの実現可能性を示し,将来的な研究の方向性を明らかにするものである。

関連論文リスト

• Words are all you need? Capturing human sensory similarity with textual descriptors [12.191617984664683]
  人間の類似性判断と言語との関係について検討する。 本稿では,効率的かつ汎用的なタグマイニングのための新しい適応パイプラインを提案する。 テキスト記述子に基づく予測パイプラインは優れた性能を示すことを示す。
  論文  参考訳（メタデータ） (2022-06-08T18:09:19Z)
• Towards End-to-End Unified Scene Text Detection and Layout Analysis [60.68100769639923]
  本稿では,シーンテキストの検出とレイアウト解析を統合化するタスクについて紹介する。 この新たな研究課題を実現するために、最初の階層的なシーンテキストデータセットが導入された。 また,シーンテキストを同時に検出し,テキストクラスタを統一的に形成する手法を提案する。
  論文  参考訳（メタデータ） (2022-03-28T23:35:45Z)
• Can Pre-trained Language Models Interpret Similes as Smart as Human? [15.077252268027548]
  我々は,Simile Property Probing という新しいタスクを設計し,Simile の共有特性を事前学習した言語モデルで推測する。 我々の実証研究は、PLMが人間を過小評価しながら、模擬生物の共有特性を推測できることを示している。 人的パフォーマンスとのギャップを埋めるため,PLMに擬似知識を組み込むことで,知識を増強した学習目標を設計する。
  論文  参考訳（メタデータ） (2022-03-16T07:57:34Z)
• Embedding Arithmetic for Text-driven Image Transformation [48.7704684871689]
  テキスト表現は、有名なアナロジーのような幾何学的規則性を示す。 最近の研究は、このセマンティックギャップを、画像とテキストをマルチモーダル空間に埋め込むことを目的としている。 SIMATデータセットを導入し,テキスト駆動画像変換の課題を評価する。
  論文  参考訳（メタデータ） (2021-12-06T16:51:50Z)
• How much do language models copy from their training data? Evaluating linguistic novelty in text generation using RAVEN [63.79300884115027]
  現在の言語モデルは高品質なテキストを生成することができる。 彼らは、これまで見たテキストを単にコピーしているか、それとも一般化可能な言語的抽象化を学んだのか? 本稿では、生成したテキストの新規性を評価するための分析スイートであるRAVENを紹介する。
  論文  参考訳（メタデータ） (2021-11-18T04:07:09Z)
• Video Text Tracking With a Spatio-Temporal Complementary Model [46.99051486905713]
  テキストトラッキングは、ビデオ内の複数のテキストを追跡し、各テキストの軌跡を構築することである。 既存の手法は、トラッキング・バイ・ディテククション・フレームワークを利用する。 我々は、このパラダイムの追跡精度がより複雑なシナリオで著しく制限されていると論じる。
  論文  参考訳（メタデータ） (2021-11-09T08:23:06Z)
• Integrating Visuospatial, Linguistic and Commonsense Structure into Story Visualization [81.26077816854449]
  まず、構造的入力を符号化するための選挙区解析木の利用について検討する。 第二に、構造化されたインプットをコモンセンス情報で強化し、この外部知識が視覚的ストーリーの生成に与える影響について検討する。 第3に、境界ボックスと高密度キャプションによって視覚構造を組み込んで、生成された画像の文字やオブジェクトに関するフィードバックを提供する。
  論文  参考訳（メタデータ） (2021-10-21T00:16:02Z)
• Aligning Cross-lingual Sentence Representations with Dual Momentum Contrast [12.691501386854094]
  本稿では,異なる言語からの文表現を,単純なドット積で意味的類似性を計算可能な統合埋め込み空間に整合させることを提案する。 実験結果が示すように,本モデルが生成した文表現は,複数のタスクにおいて新たな最先端を実現する。
  論文  参考訳（メタデータ） (2021-09-01T08:48:34Z)
• Improving Generation and Evaluation of Visual Stories via Semantic Consistency [72.00815192668193]
  一連の自然言語キャプションが与えられた場合、エージェントはキャプションに対応する一連の画像を生成する必要がある。 それまでの作業では、このタスクで合成テキスト・画像モデルより優れた繰り返し生成モデルを導入してきた。 従来のモデリング手法には、デュアルラーニングフレームワークの追加など、いくつかの改善点を提示する。
  論文  参考訳（メタデータ） (2021-05-20T20:42:42Z)
• Region Similarity Representation Learning [94.88055458257081]
  Region similarity Representation Learning(ReSim)は、ローカリゼーションベースのタスクに対する自己監視型表現学習の新しいアプローチである。 ReSimはローカリゼーションのための地域表現とセマンティックイメージレベルの表現の両方を学びます。 競合するMoCo-v2ベースラインと比較して、ReSimがローカリゼーションと分類性能を大幅に向上させる表現をどのように学習するかを示します。
  論文  参考訳（メタデータ） (2021-03-24T00:42:37Z)

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。