論文の概要: DRS at MRP 2020: Dressing up Discourse Representation Structures as Graphs

• arxiv url: http://arxiv.org/abs/2012.14837v1
• Date: Tue, 29 Dec 2020 16:36:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 01:03:42.976979
• Title: DRS at MRP 2020: Dressing up Discourse Representation Structures as Graphs
• Title（参考訳）: drs at mrp 2020: 談話表現構造をグラフとして表現する
• Authors: Lasha Abzianidze, Johan Bos, Stephan Oepen
• Abstract要約: 本稿では、DRTを新しいフレームワークとして含めるためのラベル付きグラフとしてDRSをドレッシングする手順について述べる。 変換手順は、DRTグラフフレームワークを他のグラフベースの意味表現フレームワークと幾らか似ているように偏った。
• 参考スコア（独自算出の注目度）: 4.21235641628176
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Discourse Representation Theory (DRT) is a formal account for representing the meaning of natural language discourse. Meaning in DRT is modeled via a Discourse Representation Structure (DRS), a meaning representation with a model-theoretic interpretation, which is usually depicted as nested boxes. In contrast, a directed labeled graph is a common data structure used to encode semantics of natural language texts. The paper describes the procedure of dressing up DRSs as directed labeled graphs to include DRT as a new framework in the 2020 shared task on Cross-Framework and Cross-Lingual Meaning Representation Parsing. Since one of the goals of the shared task is to encourage unified models for several semantic graph frameworks, the conversion procedure was biased towards making the DRT graph framework somewhat similar to other graph-based meaning representation frameworks.
• Abstract（参考訳）: 談話表現理論(DRT)は、自然言語の言論の意味を表す公式な説明である。 DRTにおける意味は、通常ネストボックスとして表現されるモデル理論解釈を持つ意味表現であるDES(Discourse Representation Structure)を通じてモデル化される。 対照的に、有向ラベル付きグラフは自然言語テキストのセマンティクスを符号化するために使われる一般的なデータ構造である。 本稿では、2020年のクロスフレームワークと言語間意味表現構文における共有タスクにおいて、DRTを新しいフレームワークとして含めるためのラベル付きグラフとしてDRSをドレッシングする手順について述べる。 共有タスクの目標の1つは、いくつかのセマンティックグラフフレームワークの統一モデルを促進することであるため、変換手順は、他のグラフベースの意味表現フレームワークと幾らか似ているDRTグラフフレームワークに偏りがあった。

関連論文リスト

• Scope-enhanced Compositional Semantic Parsing for DRT [52.657454970993086]
  談話表現のための構成的, 神経象徴的意味的ニューロシンボリックAMS理論について紹介する。 我々は, AMS が良好な出力を確実に生成し, DRT 解析, 特に複雑な文に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-07-02T02:50:15Z)
• Transitivity Recovering Decompositions: Interpretable and Robust Fine-Grained Relationships [69.04014445666142]
  Transitivity Recovering Decompositions (TRD) は、抽象的な創発的関係の解釈可能な等価性を識別するグラフ空間探索アルゴリズムである。 TRDは明らかにノイズの多い見方に対して堅牢であり、実証的な証拠もこの発見を支持している。
  論文  参考訳（メタデータ） (2023-10-24T16:48:56Z)
• Incorporating Graph Information in Transformer-based AMR Parsing [34.461828101932184]
  LeakDistillはTransformerアーキテクチャの変更を探求するモデルとメソッドである。 トレーニング時に,単語とノードのアライメントを用いてグラフ構造情報をエンコーダに埋め込むことで,最先端のAMR解析が得られることを示す。
  論文  参考訳（メタデータ） (2023-06-23T12:12:08Z)
• Bipartite Graph Reasoning GANs for Person Pose and Facial Image Synthesis [201.39323496042527]
  本稿では、人物のポーズと顔画像合成という2つの課題に対して、生成的敵対ネットワーク(BiGraphGAN)を推論する新しい二部グラフを提案する。 提案するグラフ生成器は,ポーズ・ツー・ポーズ関係とポーズ・ツー・イメージ関係をモデル化する2つの新しいブロックから構成される。
  論文  参考訳（メタデータ） (2022-11-12T18:27:00Z)
• SGRAM: Improving Scene Graph Parsing via Abstract Meaning Representation [24.93559076181481]
  シーングラフ(Scene graph)は、画像やテキストからグラフの形式としてモデル化可能な、構造化されたセマンティック表現である。 本稿では,視覚シーンのテキスト記述からシーングラフを解析する問題に焦点をあてる。 抽象的意味表現を用いた簡易で効果的な2段階のシーングラフ解析フレームワークを設計する。
  論文  参考訳（メタデータ） (2022-10-17T00:37:00Z)
• Inferring Graph Signal Translations as Invariant Transformations for Classification Tasks [10.940340432960294]
  グラフ信号処理(GSP)は、グラフで表される複雑な領域に調和解析を一般化するためのツールである。 これらのツールには翻訳があり、他の多くのツールを定義する必要がある。 ほとんどの作品は、グラフ構造のみを使用して翻訳を定義することを提案している。 エッジ) 本稿では,ディープラーニングフレームワークを用いて教師付き分類問題を不変にするエッジ制約操作として,翻訳を推測する。
  論文  参考訳（メタデータ） (2021-02-18T17:21:00Z)
• A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing [75.36126971685034]
  我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。 また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
  論文  参考訳（メタデータ） (2020-10-23T21:22:50Z)
• The First Shared Task on Discourse Representation Structure Parsing [3.8348270467895915]
  セマンティック解析におけるIWCS 2019共有タスクについて述べる。 目的は、英語の文章のための言論表現(DRS)を作ることである。
  論文  参考訳（メタデータ） (2020-05-27T14:52:21Z)
• Graph-Structured Referring Expression Reasoning in The Wild [105.95488002374158]
  接地参照表現は、自然言語表現によって参照されるオブジェクトのイメージ中を特定することを目的としている。 本研究では,シーングラフとシーングラフの推論を行うために,シーングラフガイドモジュールネットワーク(SGMN)を提案する。 また,構造化参照式推論のための大規模実世界のデータセットRef-Reasoningを提案する。
  論文  参考訳（メタデータ） (2020-04-19T11:00:30Z)
• Bridging Knowledge Graphs to Generate Scene Graphs [49.69377653925448]
  本稿では,2つのグラフ間の情報伝達を反復的に行う新しいグラフベースニューラルネットワークを提案する。 我々のグラフブリッジネットワークであるGB-Netは、エッジとノードを連続的に推論し、相互接続されたシーンとコモンセンスグラフのリッチでヘテロジニアスな構造を同時に活用し、洗練する。
  論文  参考訳（メタデータ） (2020-01-07T23:35:52Z)

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。