Fugu-MT 論文翻訳(概要): Supersense and Sensibility: Proxy Tasks for Semantic Annotation of Prepositions

論文の概要: Supersense and Sensibility: Proxy Tasks for Semantic Annotation of Prepositions

arxiv url: http://arxiv.org/abs/2103.14961v1
Date: Sat, 27 Mar 2021 18:28:33 GMT
ステータス: 処理完了
システム内更新日: 2021-04-01 11:55:22.679832
Title: Supersense and Sensibility: Proxy Tasks for Semantic Annotation of Prepositions
Title（参考訳）: supersense and sensibility: 前置詞の意味的アノテーションのためのプロキシタスク
Authors: Luke Gessler, Shira Wein, Nathan Schneider
Abstract要約: Prepositional Supersenseアノテーションは時間がかかり、専門的なトレーニングが必要です。本稿では,専門的アノテーションと品質に匹敵する前置的スーパーセンスアノテーションを生成する2つの方法を提案する。
参考スコア（独自算出の注目度）: 10.291482850329892
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Prepositional supersense annotation is time-consuming and requires expert training. Here, we present two sensible methods for obtaining prepositional supersense annotations by eliciting surface substitution and similarity judgments. Four pilot studies suggest that both methods have potential for producing prepositional supersense annotations that are comparable in quality to expert annotations.
Abstract（参考訳）: Prepositional Supersenseアノテーションは時間がかかり、専門家のトレーニングが必要です。そこで本稿では,表面置換と類似性判定を付与することにより,前提のスーパーセンスアノテーションを得るための2つの方法を提案する。 4つのパイロット研究により、どちらの手法も、専門家のアノテーションに匹敵する品質の暗黙のアノテーションを生成する可能性を示唆している。

関連論文リスト

On-the-Fly Point Annotation for Fast Medical Video Labeling [1.890063512530524]
医学研究において、ディープラーニングモデルは高品質な注釈付きデータに依存している。 2つのコーナーを調整する必要があるため、プロセスは本質的にフレーム単位で行われる。そこで本研究では,ライブビデオアノテーションのオンザフライ方式を提案し,アノテーションの効率を向上させる。
論文参考訳（メタデータ） (2024-04-22T16:59:43Z)
Regressor-Segmenter Mutual Prompt Learning for Crowd Counting [70.49246560246736]
本稿では,アノテーションの差によるバイアスや不正確性を解決するために,相互学習(mPrompt)を提案する。実験により、mPromptは平均誤差(MAE)を著しく減少させることが示された。
論文参考訳（メタデータ） (2023-12-04T07:53:59Z)
Quality and Efficiency of Manual Annotation: Pre-annotation Bias [1.949293198748152]
この実験の目的は、事前アノテーションを用いた場合の最終的なアノテーション品質を判断することである。実験により、事前アノテーションはより高速な手動構文アノテーションのための効率的なツールであることが確認された。
論文参考訳（メタデータ） (2023-06-15T17:41:14Z)
ExPUNations: Augmenting Puns with Keywords and Explanations [88.58174386894913]
我々は、キーワードの詳細なクラウドソースアノテーションで既存の句のデータセットを拡張する。これは、パント専用の広範囲できめ細かなアノテーションを備えた最初のユーモアデータセットである。句分類支援のための説明生成とキーワード条件付き句生成という2つのタスクを提案する。
論文参考訳（メタデータ） (2022-10-24T18:12:02Z)
Re-Examining Human Annotations for Interpretable NLP [80.81532239566992]
我々は、Interpretable NLPで広く使われている2つのデータセット上で、クラウドソースのウェブサイトを用いて制御実験を行う。我々は,異なる資格レベルを満たす人材の募集から得られた注釈結果を比較した。以上の結果から,アノテーションの品質は労働者の資格に高い影響を受けており,労働者は指示によって特定のアノテーションを提供するように指導することができることがわかった。
論文参考訳（メタデータ） (2022-04-10T02:27:30Z)
Sentence Embeddings and High-speed Similarity Search for Fast Computer Assisted Annotation of Legal Documents [0.5249805590164901]
文章を「横」にアノテートするための概念証明システムを提案する。アプローチは、意味的に類似した文が、特定の型システムにおいて、しばしば同じラベルを持つという観察に基づいている。
論文参考訳（メタデータ） (2021-12-21T19:27:21Z)
Annotation Curricula to Implicitly Train Non-Expert Annotators [56.67768938052715]
自発的な研究は、しばしば、アノテータがタスク、そのアノテーションスキーム、およびデータドメインに精通することを要求する。これは最初は圧倒的であり、精神的に課税され、結果として生じるアノテーションにエラーを誘導する。暗黙的にアノテータを訓練する新しい手法であるアノテーションキュリキュラを提案する。
論文参考訳（メタデータ） (2021-06-04T09:48:28Z)
Weakly- and Semi-supervised Evidence Extraction [107.47661281843232]
本稿では,エビデンス抽出の課題に対して,いくつかのエビデンスアノテーションと豊富な文書レベルラベルを組み合わせた新たな手法を提案する。私たちのアプローチは、数百のエビデンスアノテーションでかなりの利益をもたらします。
論文参考訳（メタデータ） (2020-11-03T04:05:00Z)
Bayesian Methods for Semi-supervised Text Annotation [3.5135956675321802]
アノテーションプロセスのガイドを行うための2つの半教師付き手法を提案する。ベイズ深層学習モデルとベイズアンサンブル法を提案する。最近提案されたベイズアンサンブル法は、アノテータのラベルと訓練されたモデルの予測を組み合わせるのに役立つ。
論文参考訳（メタデータ） (2020-10-28T10:42:04Z)
Predicting the Humorousness of Tweets Using Gaussian Process Preference Learning [56.18809963342249]
本稿では,人間の嗜好判断と言語アノテーションの自動生成を利用して,短文のユーモラスさのランク付けと評価を学習する確率論的アプローチを提案する。本研究は, HAHA@IberLEF 2019データにおける数値スコアの変換と, 提案手法に必要な判定アノテーションの相互変換から生じる問題点について報告する。
論文参考訳（メタデータ） (2020-08-03T13:05:42Z)

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。