論文の概要: Type Prediction Systems

• arxiv url: http://arxiv.org/abs/2104.01207v1
• Date: Fri, 2 Apr 2021 19:16:42 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-08 05:28:28.535882
• Title: Type Prediction Systems
• Title（参考訳）: タイプ予測システム
• Authors: Sarthak Dash, Nandana Mihindukulasooriya, Alfio Gliozzo, Mustafa Canim
• Abstract要約: 本稿では,次の2つのタスク,すなわちTypeSuggestモジュールとAnswer Type予測モジュールの型情報予測を目的とした2つのシステムについて述べる。 我々のシステムは任意の大きさの任意の型システムに一般化し、任意の粒度で型情報を抽出する非常に魅力的なソリューションとなる。
• 参考スコア（独自算出の注目度）: 11.197835323821735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Inferring semantic types for entity mentions within text documents is an important asset for many downstream NLP tasks, such as Semantic Role Labelling, Entity Disambiguation, Knowledge Base Question Answering, etc. Prior works have mostly focused on supervised solutions that generally operate on relatively small-to-medium-sized type systems. In this work, we describe two systems aimed at predicting type information for the following two tasks, namely, a TypeSuggest module, an unsupervised system designed to predict types for a set of user-entered query terms, and an Answer Type prediction module, that provides a solution for the task of determining the correct type of the answer expected to a given query. Our systems generalize to arbitrary type systems of any sizes, thereby making it a highly appealing solution to extract type information at any granularity.
• Abstract（参考訳）: テキスト文書内でエンティティ参照のセマンティック型を推論することは、セマンティックロールラベリング、エンティティの曖昧さ、知識ベース質問回答など、多くの下流NLPタスクにとって重要な資産である。 それまでの研究は主に、比較的小型から中級の型システムで動作する教師付きソリューションに重点を置いてきた。 本研究では,以下の2つのタスクの型情報予測を目的とした2つのシステムについて述べる。例えば,TypeSuggestモジュール,ユーザ入力されたクエリ項の型を予測するための教師なしシステム,Answer Type予測モジュールは,与えられたクエリに期待する応答の正しい型を決定するタスクのためのソリューションを提供する。 我々のシステムは任意の大きさの任意の型システムに一般化し、任意の粒度で型情報を抽出する非常に魅力的なソリューションとなる。

関連論文リスト

• A Type System to Ensure Non-Interference in ReScript [0.0]
  本稿では,ReScript構文のサブセットとして,非干渉を強制するために設計された型システムを提案する。 型システムに対する健全性の証明を結論として,式が型許容である場合,本質的に非干渉であることを示す。
  論文  参考訳（メタデータ） (2024-10-23T09:47:10Z)
• Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
  コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。 ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。 本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
  論文  参考訳（メタデータ） (2022-12-20T08:55:47Z)
• Cross-Domain Evaluation of a Deep Learning-Based Type Inference System [0.44098366957385177]
  本研究では,最先端のディープラーニング型推論システムとして,Type4Pyについて検討する。 クラス不均衡、語彙外単語、データセットシフト、未知クラスといった問題に対処する。 我々のデータセットは、ソフトウェアプロジェクトの異なる領域における型推論システムの評価を可能にする。
  論文  参考訳（メタデータ） (2022-08-19T07:28:31Z)
• Ultra-fine Entity Typing with Indirect Supervision from Natural Language Inference [28.78215056129358]
  この研究は、エンティティ型付けを自然言語推論(NLI)問題として定式化する新しいアプローチであるLITEを提示する。 実験により、LITEは訓練データに制限があるため、UFETタスクにおける最先端のパフォーマンスが得られることが示された。
  論文  参考訳（メタデータ） (2022-02-12T23:56:26Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• The Stereotyping Problem in Collaboratively Filtered Recommender Systems [77.56225819389773]
  行列分解に基づく協調フィルタリングアルゴリズムは,ある種のステレオタイピングを誘導することを示す。 一般のユーザ層では、テキストセットの好みが反相関性がある場合、これらの項目は、ユーザーには推奨されない。 本稿では,各ユーザの多様な利害関係を捉えるために,代替的なモデリング修正を提案する。
  論文  参考訳（メタデータ） (2021-06-23T18:37:47Z)
• Text Summarization with Latent Queries [60.468323530248945]
  本稿では,LaQSumについて紹介する。LaQSumは,既存の問合せ形式と抽象的な要約のための文書から遅延クエリを学習する,最初の統一テキスト要約システムである。 本システムでは, 潜伏クエリモデルと条件付き言語モデルとを協調的に最適化し, ユーザがテスト時に任意のタイプのクエリをプラグイン・アンド・プレイできるようにする。 本システムでは,クエリタイプ,文書設定,ターゲットドメインの異なる要約ベンチマークにおいて,強力な比較システムの性能を強く向上させる。
  論文  参考訳（メタデータ） (2021-05-31T21:14:58Z)
• An Overview of Recommender Systems and Machine Learning in Feature Modeling and Configuration [55.67505546330206]
  レコメンダーシステムおよび機械学習技術の適用に関連する潜在的な新しい研究ラインの概要を説明します。 本論文では,レコメンダーシステムと機械学習の応用例を示し,今後の研究課題について考察する。
  論文  参考訳（メタデータ） (2021-02-12T17:21:36Z)
• Context-based Transformer Models for Answer Sentence Selection [109.96739477808134]
  本稿では,文選択作業における文脈情報の役割を分析する。 本稿では,ローカルとグローバルの2種類のコンテキストを活用するTransformerベースのアーキテクチャを提案する。 その結果,トランスフォーマーモデルにおける局所コンテキストとグローバルコンテキストの組み合わせは,解答文選択の精度を著しく向上させることがわかった。
  論文  参考訳（メタデータ） (2020-06-01T21:52:19Z)
• Crowdsourced Labeling for Worker-Task Specialization Model [14.315501760755605]
  我々は、$d$タイプのワーカータスク特化モデルに基づくクラウドソースラベリングについて検討する。 我々は,作業者クラスタリング,作業者スキル推定,多数決の重み付けによる二元的タスクラベルを復元する推論アルゴリズムを設計する。
  論文  参考訳（メタデータ） (2020-03-21T13:27:03Z)

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。