Fugu-MT 論文翻訳(概要): NL-EDIT: Correcting semantic parse errors through natural language interaction

論文の概要: NL-EDIT: Correcting semantic parse errors through natural language interaction

arxiv url: http://arxiv.org/abs/2103.14540v1
Date: Fri, 26 Mar 2021 15:45:46 GMT
ステータス: 処理完了
システム内更新日: 2021-03-29 12:49:50.913037
Title: NL-EDIT: Correcting semantic parse errors through natural language interaction
Title（参考訳）: NL-EDIT:自然言語による意味解析誤りの修正
Authors: Ahmed Elgohary, Christopher Meek, Matthew Richardson, Adam Fourney, Gonzalo Ramos and Ahmed Hassan Awadallah
Abstract要約: インタラクションコンテキストにおける自然言語フィードバックの解釈モデルであるNL-EDITを提案する。 NL-EDITは1回補正するだけで、既存のテキスト対アリーの精度を最大20%向上できることを示す。
参考スコア（独自算出の注目度）: 28.333860779302306
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We study semantic parsing in an interactive setting in which users correct errors with natural language feedback. We present NL-EDIT, a model for interpreting natural language feedback in the interaction context to generate a sequence of edits that can be applied to the initial parse to correct its errors. We show that NL-EDIT can boost the accuracy of existing text-to-SQL parsers by up to 20% with only one turn of correction. We analyze the limitations of the model and discuss directions for improvement and evaluation. The code and datasets used in this paper are publicly available at http://aka.ms/NLEdit.
Abstract（参考訳）: 本研究では,ユーザが自然言語フィードバックで誤りを訂正する対話型環境における意味解析について検討する。対話コンテキストにおける自然言語フィードバックを解釈し,最初のパースに適用可能な編集シーケンスを生成するモデルであるnl-editを提案する。 NL-EDITは1ターンの修正で既存のテキスト-SQLパーサの精度を最大20%向上できることを示す。モデルの限界を分析し,改善と評価の方向性について考察する。この論文で使用されるコードとデータセットはhttp://aka.ms/NLEditで公開されている。

関連論文リスト

UVL Sentinel: a tool for parsing and syntactic correction of UVL datasets [1.1821195547818244]
機能モデルは、ソフトウェア製品ラインの多様性を表すデファクトスタンダードになっています。 UVL(Universal Variability Language)は、それらの機能、依存関係、制約を表現する言語である。 UVL SentinelはUVLフォーマットで機能モデルのデータセットを分析し、エラー解析レポートを生成し、それらのエラーを記述し、最終的には最も一般的なソリューションを適用する構文処理を行う。
論文参考訳（メタデータ） (2024-03-27T11:56:08Z)
Correcting Semantic Parses with Natural Language through Dynamic Schema Encoding [0.06445605125467573]
自動回帰デコーダの精度は自然言語による1ターンの補正で最大26%向上できることを示す。 Tbaseモデルは、ゼロショットのクロスパーザ設定でT5大モデルのエラーを修正することができる。
論文参考訳（メタデータ） (2023-05-31T16:01:57Z)
Learning to Simulate Natural Language Feedback for Interactive Semantic Parsing [30.609805601567178]
対話型意味解析のためのNLフィードバックをシミュレーションするタスクを提案する。私たちはそのタスクに新しいフィードバック評価器を伴います。我々のフィードバックシミュレータは、コストがかかる人間のアノテーションの完全なセットを用いてトレーニングされたように、同等のエラー修正性能を達成するのに役立ちます。
論文参考訳（メタデータ） (2023-05-14T16:20:09Z)
Towards Fine-Grained Information: Identifying the Type and Location of Translation Errors [80.22825549235556]
既存のアプローチでは、エラーの位置と型を同期的に考慮することはできない。我々はtextbf の追加と textbfomission エラーを予測するために FG-TED モデルを構築した。実験により,本モデルではエラータイプと位置の同時同定が可能であり,最先端の結果が得られた。
論文参考訳（メタデータ） (2023-02-17T16:20:33Z)
Language Anisotropic Cross-Lingual Model Editing [61.51863835749279]
既存の作業はモノリンガルのシナリオのみを研究しており、言語間で同時に編集を行うための言語間転送能力が欠如している。本稿では,並列コーパスを用いた一言語モデル編集手法を言語間シナリオに適用する枠組みを提案する。本研究では,複数言語への編集の伝播における単言語ベースラインの失敗と,提案言語異方性モデル編集の有効性を実証的に示す。
論文参考訳（メタデータ） (2022-05-25T11:38:12Z)
Understanding by Understanding Not: Modeling Negation in Language Models [81.21351681735973]
否定は自然言語の中核構造である。本稿では,否定された総称文に基づく不一致目的を用いて,言語モデリング目標の強化を提案する。否定されたLAMAデータセットの平均top1エラー率を4%に削減します。
論文参考訳（メタデータ） (2021-05-07T21:58:35Z)
Text Editing by Command [82.50904226312451]
ニューラルテキスト生成における一般的なパラダイムは、単一のステップでテキストを生成するワンショット生成である。この制限をユーザが既存のテキストを編集するコマンドを発行することでシステムと対話するインタラクティブテキスト生成設定で解決する。このデータセットに基づいてトレーニングされたトランスフォーマーベースモデルであるInteractive Editorは,ベースラインを上回り,自動評価と人的評価の両方において肯定的な結果が得られることを示す。
論文参考訳（メタデータ） (2020-10-24T08:00:30Z)
On the Robustness of Language Encoders against Grammatical Errors [66.05648604987479]
我々は、非ネイティブ話者から実際の文法的誤りを収集し、これらの誤りをクリーンテキストデータ上でシミュレートするために敵攻撃を行う。結果,全ての試験モデルの性能は影響するが,影響の程度は異なることがわかった。
論文参考訳（メタデータ） (2020-05-12T11:01:44Z)
Speak to your Parser: Interactive Text-to-SQL with Natural Language Feedback [39.45695779589969]
本研究では,自然言語フィードバックを用いた意味的パース補正の課題について検討する。本稿では,人間がさらにシステムと対話できる,よりインタラクティブなシナリオについて検討する。
論文参考訳（メタデータ） (2020-05-05T23:58:09Z)
Towards Minimal Supervision BERT-based Grammar Error Correction [81.90356787324481]
我々は、事前訓練された言語モデルからコンテキスト情報を取り入れて、アノテーションを活用し、多言語シナリオの恩恵を得ようとしている。その結果、文法的誤り訂正タスクにおいて、変換器(BERT)からの双方向表現の強い可能性を示す。
論文参考訳（メタデータ） (2020-01-10T15:45:59Z)

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。