Fugu-MT 論文翻訳(概要): Revisiting the Prepositional-Phrase Attachment Problem Using Explicit Commonsense Knowledge

論文の概要: Revisiting the Prepositional-Phrase Attachment Problem Using Explicit Commonsense Knowledge

arxiv url: http://arxiv.org/abs/2102.00924v1
Date: Mon, 1 Feb 2021 15:48:36 GMT
ステータス: 処理完了
システム内更新日: 2021-02-02 15:13:54.175363
Title: Revisiting the Prepositional-Phrase Attachment Problem Using Explicit Commonsense Knowledge
Title（参考訳）: 明示的共通知識を用いた事前配置問題の再検討
Authors: Yida Xin, Henry Lieberman and Peter Chin
Abstract要約: 我々は、明示的なコモンセンス知識ベースが、適切なアタッチメント決定に不可欠な要素となることを論じる。本結果から,コモンセンス・ナレッジ・ベース・アプローチは,ルール・ベースと統計的手法を融合することにより,両者の長所を享受できることが示唆された。
参考スコア（独自算出の注目度）: 1.0312968200748118
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We revisit the challenging problem of resolving prepositional-phrase (PP) attachment ambiguity. To date, proposed solutions are either rule-based, where explicit grammar rules direct how to resolve ambiguities; or statistical, where the decision is learned from a corpus of labeled examples. We argue that explicit commonsense knowledge bases can provide an essential ingredient for making good attachment decisions. We implemented a module, named Patch-Comm, that can be used by a variety of conventional parsers, to make attachment decisions. Where the commonsense KB does not provide direct answers, we fall back on a more general system that infers "out-of-knowledge-base" assertions in a manner similar to the way some NLP systems handle out-of-vocabulary words. Our results suggest that the commonsense knowledge-based approach can provide the best of both worlds, integrating rule-based and statistical techniques. As the field is increasingly coming to recognize the importance of explainability in AI, a commonsense approach can enable NLP developers to better understand the behavior of systems, and facilitate natural dialogues with end users.
Abstract（参考訳）: PP(Prepositional-phrase)アタッチメントの曖昧さを解決するという課題を再考する。現在提案されている解はルールベースであり、明示的な文法規則はあいまいさの解決方法を指示する; あるいは、ラベル付き例のコーパスから決定が学習される統計的手法である。明示的なコモンセンス知識ベースは、適切なアタッチメント決定を行う上で必須の要素となる。 Patch-Commと呼ばれるモジュールを実装し、さまざまな従来のパーサーがアタッチメントの決定を行えるようにしました。 Commonsense KBが直接的な回答を提供しない場合には、一部のNLPシステムが語彙外単語を処理するのと同様の方法で「知識外ベース」アサーションを推論するより一般的なシステムに戻ります。以上の結果から,コモンセンス知識ベースアプローチは,ルールベースと統計技術の統合により,両世界のベストを発揮できることが示唆された。 AIにおける説明可能性の重要性がますます認識される中、NLP開発者はシステムの振る舞いをよりよく理解し、エンドユーザとの自然な対話を促進することができる。

関連論文リスト

LB-KBQA: Large-language-model and BERT based Knowledge-Based Question and Answering System [7.626368876843794]
本稿では,Large Language Model(LLM)とBERT(LB-KBQA)に基づく新しいKBQAシステムを提案する。生成AIの助けを借りて,提案手法は新たに出現した意図を検知し,新たな知識を得ることができた。ファイナンシャルドメイン質問応答の実験では,本モデルの方が優れた効果を示した。
論文参考訳（メタデータ） (2024-02-05T16:47:17Z)
Large Language Models as Source Planner for Personalized Knowledge-grounded Dialogue [72.26474540602517]
SAFARIは、教師なしと教師なしの両方の設定で計画し、理解し、導入するための新しいフレームワークである。我々は、パーソナライズされた知識ベース対話データセットtextittextbfKnowledge textbfBehind textbfPersona(textbfKBP)を構築する。 KBPデータセットによる実験結果から,SAFARIフレームワークはペルソナ一貫性と知識強化の応答を効果的に生成できることが示された。
論文参考訳（メタデータ） (2023-10-13T03:38:38Z)
Improving Factual Consistency for Knowledge-Grounded Dialogue Systems via Knowledge Enhancement and Alignment [77.56326872997407]
事前訓練言語モデル(PLM)に基づく知識基底対話システムは、提供された知識源と実際に矛盾しない応答を生成する傾向にある。トランスフォーマー内のフィードフォワードネットワーク(FFN)が事実知識表現の責任を負っていると判断する以前の研究から着想を得て,事実表現能力を効率的に改善するための2つの方法を検討した。
論文参考訳（メタデータ） (2023-10-12T14:44:05Z)
Exploiting Uncertainty for Querying Inconsistent Description Logics Knowledge Bases [0.3277163122167433]
我々は、この問題を解決するために、disPONTEと呼ばれる既存の確率論的意味論を利用する。提案手法をTRILLとBUNDLEに実装し,提案手法の有効性を実証的に検証した。
論文参考訳（メタデータ） (2023-06-15T13:50:46Z)
Cognitive Semantic Communication Systems Driven by Knowledge Graph: Principle, Implementation, and Performance Evaluation [74.38561925376996]
単一ユーザと複数ユーザのコミュニケーションシナリオに対して,認知意味コミュニケーションフレームワークが2つ提案されている。知識グラフから推論規則をマイニングすることにより,効果的な意味補正アルゴリズムを提案する。マルチユーザ認知型セマンティックコミュニケーションシステムにおいて,異なるユーザのメッセージを識別するために,メッセージ復元アルゴリズムを提案する。
論文参考訳（メタデータ） (2023-03-15T12:01:43Z)
DecAF: Joint Decoding of Answers and Logical Forms for Question Answering over Knowledge Bases [81.19499764899359]
本稿では,論理形式と直解の両方を共同で生成する新しいフレームワークDecAFを提案する。 DecAFはWebQSP、FreebaseQA、GrailQAベンチマークで新しい最先端の精度を実現している。
論文参考訳（メタデータ） (2022-09-30T19:51:52Z)
Mind the Gap! Injecting Commonsense Knowledge for Abstractive Dialogue Summarization [13.863545975204019]
SICKは、Commonsense推論を追加のコンテキストとして使用するフレームワークである。インジェクトされたコモンセンス知識により,既存の手法よりも情報的かつ一貫した要約を生成する。
論文参考訳（メタデータ） (2022-09-02T10:08:28Z)
Natural Language Processing with Commonsense Knowledge: A Survey [9.634283896785611]
本稿では,様々なNLPタスクへのコモンセンス知識の統合について検討する。我々は、異なるNLPタスクにまたがるコモンセンス知識とその応用を組み込むための重要な方法論を強調した。また,コモンセンス推論を用いたNLPシステムの高度化における課題と動向について検討した。
論文参考訳（メタデータ） (2021-08-10T13:25:29Z)
Improving Machine Reading Comprehension with Contextualized Commonsense Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文参考訳（メタデータ） (2020-09-12T17:20:01Z)
Research on multi-dimensional end-to-end phrase recognition algorithm based on background knowledge [4.020059842004492]
CPWDデータセットの実験では、背景知識を導入することにより、エンドツーエンドの手法の精度を1ポイント以上向上する。この手法はCCL 2018の競技に応用され、中国のユーモア型認識において第一位を獲得した。
論文参考訳（メタデータ） (2020-07-08T02:30:00Z)
Syn-QG: Syntactic and Shallow Semantic Rules for Question Generation [49.671882751569534]
我々は、宣言文を質問応答対に変換する透明な統語規則であるSynQGを開発した。 PropBankの引数記述とVerbNet状態述語を利用して、浅いセマンティックコンテンツを組み込む。文法的不正確な質問を排除し,構文の流布性を改善するために,これらの構文規則のアウトプットを逆翻訳する。
論文参考訳（メタデータ） (2020-04-18T19:57:39Z)

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。