Fugu-MT 論文翻訳(概要): In-Order Chart-Based Constituent Parsing

論文の概要: In-Order Chart-Based Constituent Parsing

arxiv url: http://arxiv.org/abs/2102.04065v1
Date: Mon, 8 Feb 2021 09:03:07 GMT
ステータス: 処理完了
システム内更新日: 2021-02-11 06:33:48.715199
Title: In-Order Chart-Based Constituent Parsing
Title（参考訳）: In-Order Chart-Based Constituent Parsing
Authors: Yang Wei, Yuanbin Wu and Man Lan
Abstract要約: 私たちのモデルは、決定の歴史を符号化することで、構造的知識をよりよく活用します。 Penn Treebankの実験では、私たちのモデルは従来のチャートベースモデルよりも優れています。
参考スコア（独自算出の注目度）: 27.56754618804741
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a novel in-order chart-based model for constituent parsing. Compared with previous CKY-style and top-down models, our model gains advantages from in-order traversal of a tree (rich features, lookahead information and high efficiency) and makes a better use of structural knowledge by encoding the history of decisions. Experiments on the Penn Treebank show that our model outperforms previous chart-based models and achieves competitive performance compared with other discriminative single models.
Abstract（参考訳）: 構成解析のための新しい順番チャートモデルを提案する。従来のCKYモデルやトップダウンモデルと比較すると,木(リッチな特徴,ルックアヘッド情報,高効率)の直交トラバースによる利点が得られ,決定履歴を符号化することで構造的知識をより活用できる。 Penn Treebankの実験は、私たちのモデルが以前のチャートベースのモデルを上回ることを示し、他の識別シングルモデルと比較して競争力のあるパフォーマンスを達成します。

関連論文リスト

Exploring Model Kinship for Merging Large Language Models [52.01652098827454]
本稿では,大規模言語モデル間の類似性や関連性の程度であるモデル親和性を紹介する。モデル統合後の性能向上とモデル親和性の間には,一定の関係があることが判明した。我々は新しいモデルマージ戦略を提案する。Top-k Greedy Merging with Model Kinship。
論文参考訳（メタデータ） (2024-10-16T14:29:29Z)
A Lightweight Feature Fusion Architecture For Resource-Constrained Crowd Counting [3.5066463427087777]
クラウドカウントモデルの汎用性を高めるために,2つの軽量モデルを導入する。これらのモデルは、MobileNetとMobileViTという2つの異なるバックボーンを持ちながら、同じダウンストリームアーキテクチャを維持している。隣接特徴融合を利用して、事前学習モデル(PTM)から多様な特徴を抽出し、その後、シームレスにこれらの特徴を組み合わせる。
論文参考訳（メタデータ） (2024-01-11T15:13:31Z)
Leveraging Model-based Trees as Interpretable Surrogate Models for Model Distillation [3.5437916561263694]
代理モデルは、複雑で強力なブラックボックス機械学習モデルを振り返りに解釈する上で重要な役割を果たす。本稿では,決定規則により特徴空間を解釈可能な領域に分割する代理モデルとしてモデルベースツリーを用いることに焦点を当てる。 4つのモデルベースツリーアルゴリズム(SLIM, GUIDE, MOB, CTree)を比較した。
論文参考訳（メタデータ） (2023-10-04T19:06:52Z)
Modeling Edge Features with Deep Bayesian Graph Networks [23.32339964726699]
元のモデルで使用する離散状態にベイズネットワークマッピングエッジ機能を追加する。計算複雑性をエッジ数に線形に保つことにより,大規模グラフ処理に有効である。
論文参考訳（メタデータ） (2023-08-17T16:29:17Z)
A Comprehensive Study on Knowledge Graph Embedding over Relational Patterns Based on Rule Learning [49.09125100268454]
KGE(Knowledge Graph Embedding)は、KGC(Knowledge Completion Graph)タスクを解決するための効果的なアプローチであることが証明されている。関係パターンはKGEモデルの性能において重要な要素である。我々は,KGEモデルの性能を様々な関係パターン上で向上させるトレーニングフリー手法を提案する。
論文参考訳（メタデータ） (2023-08-15T17:30:57Z)
Enhancing Visually-Rich Document Understanding via Layout Structure Modeling [91.07963806829237]
レイアウトの知識をモデルに注入する新しい文書理解モデルであるGraphLMを提案する。我々は、FUNSD、XFUND、CORDなど様々なベンチマークでモデルを評価し、最先端の結果を得た。
論文参考訳（メタデータ） (2023-08-15T13:53:52Z)
Challenging the Myth of Graph Collaborative Filtering: a Reasoned and Reproducibility-driven Analysis [50.972595036856035]
本稿では,6つの人気グラフと最近のグラフ推薦モデルの結果を再現するコードを提案する。これらのグラフモデルと従来の協調フィルタリングモデルを比較する。ユーザの近所からの情報フローを調べることにより,データセット構造における内在的特徴にどのようなモデルが影響するかを同定することを目的とする。
論文参考訳（メタデータ） (2023-08-01T09:31:44Z)
Investigating Ensemble Methods for Model Robustness Improvement of Text Classifiers [66.36045164286854]
既存のバイアス機能を分析し、すべてのケースに最適なモデルが存在しないことを実証します。適切なバイアスモデルを選択することで、より洗練されたモデル設計でベースラインよりもロバスト性が得られる。
論文参考訳（メタデータ） (2022-10-28T17:52:10Z)
Improving Label Quality by Jointly Modeling Items and Annotators [68.8204255655161]
雑音アノテータから基底真理ラベルを学習するための完全ベイズ的枠組みを提案する。我々のフレームワークは、ラベル分布上の生成的ベイズソフトクラスタリングモデルを古典的なDavidとSkeneのジョイントアノテータデータモデルに分解することでスケーラビリティを保証する。
論文参考訳（メタデータ） (2021-06-20T02:15:20Z)

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。