Fugu-MT 論文翻訳(概要): FraCaS: Temporal Analysis

論文の概要: FraCaS: Temporal Analysis

arxiv url: http://arxiv.org/abs/2012.10668v1
Date: Sat, 19 Dec 2020 11:55:46 GMT
ステータス: 処理完了
システム内更新日: 2021-05-01 11:13:32.991326
Title: FraCaS: Temporal Analysis
Title（参考訳）: FraCaS: 時間分析
Authors: Jean-Philippe Bernardy, Stergios Chatzikyriakidis
Abstract要約: 本稿では,推論問題に適した時間意味論の実装を提案する。時間参照、時間副詞、アスペクトクラス、プログレッシブなど、いくつかの現象をサポートしています。時間的参照に関連する問題については、全体の81パーセントと73パーセントの精度を獲得しています。
参考スコア（独自算出の注目度）: 1.52292571922932
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: In this paper, we propose an implementation of temporal semantics which is suitable for inference problems. This implementation translates syntax trees to logical formulas, suitable for consumption by the Coq proof assistant. We support several phenomena including: temporal references, temporal adverbs, aspectual classes and progressives. We apply these semantics to the complete FraCaS testsuite. We obtain an accuracy of 81 percent overall and 73 percent for problems explicitly marked as related to temporal reference.
Abstract（参考訳）: 本稿では,推論問題に適した時間意味論の実装を提案する。この実装は構文木を論理式に変換し、Coq証明アシスタントの消費に適している。我々は、時間参照、時間副詞、アスペクトクラス、プログレッシブなど、いくつかの現象をサポートしている。これらの意味論を完全なFraCaSテストスーツに適用する。時間的基準に関連する問題に対して,全体の81パーセントと73%の精度が得られる。

関連論文リスト

Temporal Many-valued Conditional Logics: a Preliminary Report [1.228936170812787]
典型性を持つ多値論理から始まり、線形時間時間時論理の時間演算子で拡張する。また、段階的議論のための形式主義のインスタンス化についても検討する。
論文参考訳（メタデータ） (2024-09-06T16:23:31Z)
CASA: Causality-driven Argument Sufficiency Assessment [79.13496878681309]
ゼロショット因果関係に基づく議論十分性評価フレームワークであるCASAを提案する。 PSは前提イベントの導入が前提イベントと結論イベントの両方が欠落した場合の結論につながる可能性を測っている。 2つの論理的誤り検出データセットの実験により、CASAは不十分な議論を正確に識別することを示した。
論文参考訳（メタデータ） (2024-01-10T16:21:18Z)
An Overview Of Temporal Commonsense Reasoning and Acquisition [20.108317515225504]
時間的コモンセンス推論(英: Temporal Commonsense reasoning)とは、フレーズ、行動、出来事の典型的な時間的文脈を理解する能力である。大規模言語モデルの性能に関する最近の研究は、しばしば推論においてショートカットを行い、単純な言語トラップに陥ることが示唆されている。
論文参考訳（メタデータ） (2023-07-28T01:30:15Z)
Unlocking Temporal Question Answering for Large Language Models with Tailor-Made Reasoning Logic [84.59255070520673]
大きな言語モデル(LLM)は、時間的推論に関わる際に課題に直面します。本研究では,時間的質問応答タスクに特化して設計された新しいフレームワークであるTempLogicを提案する。
論文参考訳（メタデータ） (2023-05-24T10:57:53Z)
Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。 TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
論文参考訳（メタデータ） (2022-12-20T17:40:03Z)
Discourse Analysis via Questions and Answers: Parsing Dependency Structures of Questions Under Discussion [57.43781399856913]
この研究は、談話分析にQUD(Language framework of Questions Under discussion)を採用する。我々は、文間の関係を、徹底的なきめ細かい質問とは対照的に、自由形式の質問として特徴づける。完全文書上の質問の依存関係構造を導出する第一種QUDを開発する。
論文参考訳（メタデータ） (2022-10-12T03:53:12Z)
Semantic Framework based Query Generation for Temporal Question Answering over Knowledge Graphs [19.851986862305623]
本稿では,提案するエンティティの関連事実を探索し,問合せグラフを生成する時間的質問応答手法であるSF-TQAを提案する。評価の結果,SF-TQAは知識グラフの異なる2つのベンチマークにおいて既存手法よりも有意に優れていた。
論文参考訳（メタデータ） (2022-10-10T08:40:28Z)
SNaC: Coherence Error Detection for Narrative Summarization [73.48220043216087]
SNaCは長文の微粒化アノテーションに根ざした物語コヒーレンス評価フレームワークである。本稿では,生成した物語要約におけるコヒーレンスエラーの分類法を開発し,150冊の本や映画の脚本要約にまたがる6.6k文のスパンレベルアノテーションを収集する。我々の研究は、最先端の要約モデルによって生成されるコヒーレンスエラーの最初の特徴と、群衆アノテータからコヒーレンス判断を引き出すためのプロトコルを提供する。
論文参考訳（メタデータ） (2022-05-19T16:01:47Z)
Context-Dependent Semantic Parsing for Temporal Relation Extraction [2.5807659587068534]
テキスト中の時間情報を効果的に抽出するニューラルネットワーク意味表現SMARTERを提案する。推論フェーズでは、SMARTERは論理形式を実行して時間関係グラフを生成する。与えられた事象の正確な論理形式表現は、抽出された関係の正確性を保証する。
論文参考訳（メタデータ） (2021-12-02T00:29:21Z)
Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
論文参考訳（メタデータ） (2020-10-05T17:27:31Z)
Tractable Fragments of Temporal Sequences of Topological Information [0.6853165736531939]
代数的閉包が満足度を決定するすべての基本関係と普遍関係を含む部分クラスは存在しないことを示す。次に、時間列の代替意味論を定式化する。この文脈で、我々は大きな引力のある断片を識別する。
論文参考訳（メタデータ） (2020-07-15T14:33:17Z)

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。