論文の概要: End-to-end Semantic Role Labeling with Neural Transition-based Model

• arxiv url: http://arxiv.org/abs/2101.00394v1
• Date: Sat, 2 Jan 2021 07:35:54 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-13 07:19:06.417594
• Title: End-to-end Semantic Role Labeling with Neural Transition-based Model
• Title（参考訳）: ニューラル遷移モデルを用いたエンドツーエンドのセマンティックロールラベリング
• Authors: Hao Fei, Meishan Zhang, Bobo Li, Donghong Ji
• Abstract要約: エンドツーエンドのセマンティックロールラベリング(SRL)が注目されています。 最近の研究は主にグラフベースのニューラルモデルに焦点を当てている。 本稿では,エンドツーエンドSRLのための遷移型ニューラルモデルについて紹介する。
• 参考スコア（独自算出の注目度）: 25.921541005563856
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: End-to-end semantic role labeling (SRL) has been received increasing interest. It performs the two subtasks of SRL: predicate identification and argument role labeling, jointly. Recent work is mostly focused on graph-based neural models, while the transition-based framework with neural networks which has been widely used in a number of closely-related tasks, has not been studied for the joint task yet. In this paper, we present the first work of transition-based neural models for end-to-end SRL. Our transition model incrementally discovers all sentential predicates as well as their arguments by a set of transition actions. The actions of the two subtasks are executed mutually for full interactions. Besides, we suggest high-order compositions to extract non-local features, which can enhance the proposed transition model further. Experimental results on CoNLL09 and Universal Proposition Bank show that our final model can produce state-of-the-art performance, and meanwhile keeps highly efficient in decoding. We also conduct detailed experimental analysis for a deep understanding of our proposed model.
• Abstract（参考訳）: エンドツーエンドのセマンティックロールラベリング(SRL)が注目されている。 SRLの2つのサブタスク、述語識別と引数ロールのラベル付けを共同で行う。 最近の研究は主にグラフベースのニューラルモデルに焦点を当てているが、多くの密接に関連するタスクで広く使われているトランジションベースのニューラルネットワークフレームワークはまだ研究されていない。 本稿では、エンドツーエンドSRLのための遷移ベースニューラルネットワークの最初の研究について述べる。 我々の遷移モデルは、一連の遷移アクションによって、すべてのセンテンシャル述語とそれらの引数を漸進的に発見する。 2つのサブタスクのアクションは、完全なインタラクションのために相互に実行される。 さらに,非局所的な特徴を抽出するための高次合成を提案する。 CoNLL09とUniversal Proposition Bankの実験結果から、最終モデルは最先端の性能を生み出すことができ、一方、復号化には高い効率が保たれることが示された。 また,提案モデルの深い理解のために,詳細な実験分析を行う。

関連論文リスト

• S^2Former-OR: Single-Stage Bi-Modal Transformer for Scene Graph Generation in OR [50.435592120607815]
  外科手術のシーングラフ生成(SGG)は、手術室(OR)におけるホモロジー認知知能の増強に不可欠である これまでの研究は主に多段階学習に依存しており、生成したセマンティックシーングラフはポーズ推定とオブジェクト検出を伴う中間プロセスに依存している。 本研究では,S2Former-OR(S2Former-OR)と呼ばれるORにおけるSGGのための新しいシングルステージバイモーダルトランスフォーマフレームワークを提案する。
  論文  参考訳（メタデータ） (2024-02-22T11:40:49Z)
• A Differentiable Partially Observable Generalized Linear Model with Forward-Backward Message Passing [2.600709013150986]
  既存の作業で用いられるスコア関数勾配推定器よりも優れたパスワイズ勾配推定器を実現できる新しい微分可能なPOGLMを提案する。 我々の新しい手法はより解釈可能なパラメータをもたらし、神経科学におけるその重要性を裏付ける。
  論文  参考訳（メタデータ） (2024-02-02T09:34:49Z)
• End-to-End Meta-Bayesian Optimisation with Transformer Neural Processes [52.818579746354665]
  本稿では,ニューラルネットワークを一般化し,トランスフォーマーアーキテクチャを用いて獲得関数を学習する,エンド・ツー・エンドの差別化可能な最初のメタBOフレームワークを提案する。 我々は、この強化学習(RL)によるエンドツーエンドのフレームワークを、ラベル付き取得データの欠如に対処できるようにします。
  論文  参考訳（メタデータ） (2023-05-25T10:58:46Z)
• INFOrmation Prioritization through EmPOWERment in Visual Model-Based RL [90.06845886194235]
  モデルベース強化学習(RL)のための修正目的を提案する。 相互情報に基づく状態空間モデルに,変分エンパワーメントにインスパイアされた用語を統合する。 本研究は,視覚に基づくロボット制御作業における自然な映像背景を用いたアプローチの評価である。
  論文  参考訳（メタデータ） (2022-04-18T23:09:23Z)
• Neural Transition System for End-to-End Opinion Role Labeling [13.444895891262844]
  統一世論役割ラベルリング(ORL)は、意見保有者目標の可能なすべての意見構造を1ショットで検出することを目的としている。 我々は、遷移アーキテクチャを再考し、ポインタネットワーク(PointNet)で拡張することで、新しいソリューションを提案する。 このフレームワークは、線形時間複雑性におけるすべての意見構造を解析し、PointNetとの任意の項長の制限を突破する。
  論文  参考訳（メタデータ） (2021-10-05T12:45:59Z)
• Neural Unsupervised Semantic Role Labeling [48.69930912510414]
  セマンティックロールラベリングのための最初の神経教師なしモデルを提案する。 タスクを2つの引数関連サブタスク、識別とクラスタリングとして分解する。 CoNLL-2009英語データセットの実験では、我々のモデルは過去の最先端のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2021-04-19T04:50:16Z)
• High-order Semantic Role Labeling [86.29371274587146]
  本稿では,ニューラルセマンティックロールラベリングモデルのための高階グラフ構造を提案する。 これにより、モデルは孤立述語-引数対だけでなく、述語-引数対間の相互作用も明示的に考慮することができる。 CoNLL-2009ベンチマークの7つの言語に対する実験結果から、高次構造学習技術は強力なSRLモデルに有益であることが示された。
  論文  参考訳（メタデータ） (2020-10-09T15:33:54Z)
• High-order Refining for End-to-end Chinese Semantic Role Labeling [34.74181162627023]
  本稿では,すべての述語対間の相互作用を行うための高次精製機構を提案する。 当社の高次モデルでは,CoNLL09やUniversal Proposition Bankなど,中国のSRLデータの最先端化を実現している。
  論文  参考訳（メタデータ） (2020-09-15T10:01:27Z)
• Rethinking Generalization of Neural Models: A Named Entity Recognition Case Study [81.11161697133095]
  NERタスクをテストベッドとして、異なる視点から既存モデルの一般化挙動を分析する。 詳細な分析による実験は、既存のニューラルNERモデルのボトルネックを診断する。 本論文の副産物として,最近のNER論文の包括的要約を含むプロジェクトをオープンソース化した。
  論文  参考訳（メタデータ） (2020-01-12T04:33:53Z)

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。