Fugu-MT 論文翻訳(概要): NAREOR: The Narrative Reordering Problem

論文の概要: NAREOR: The Narrative Reordering Problem

arxiv url: http://arxiv.org/abs/2104.06669v1
Date: Wed, 14 Apr 2021 07:33:02 GMT
ステータス: 処理完了
システム内更新日: 2021-04-15 21:02:12.930944
Title: NAREOR: The Narrative Reordering Problem
Title（参考訳）: nareor: 物語の再注文問題
Authors: Varun Gangal, Steven Y. Feng, Eduard Hovy, Teruko Mitamura
Abstract要約: ROCStories内の1000以上のストーリーを非線形順序で書き直したデータセットNAREORCを提案する。 GPT-2およびTransformerモデルを用いてNAREORC実験を行い、広範囲な人的評価を行う。
参考スコア（独自算出の注目度）: 8.704016736275834
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose the task of Narrative Reordering(NAREOR) which involves rewriting a given story in a different narrative order while preserving its plot, semantic, and temporal aspects. We present a dataset, NAREORC, with over 1000 human rewritings of stories within ROCStories in non-linear orders, and conduct a detailed analysis of it. Further, we propose novel initial task-specific training methods and evaluation metrics. We perform experiments on NAREORC using GPT-2 and Transformer models and conduct an extensive human evaluation. We demonstrate that NAREOR is a challenging task with potential for further exploration.
Abstract（参考訳）: 本研究では,物語の書き直しを伴うナラティブ・リフォーダリング(NAREOR)の課題について,そのプロット,意味,時間的側面を保存しながら,異なる物語順序で書き直すことを提案する。我々は,ROCStories内の1000以上のストーリーを非線形順序で書き直したデータセットNAREORCを提案し,その詳細な分析を行う。さらに,タスク固有のトレーニング手法と評価指標を提案する。 GPT-2およびTransformerモデルを用いたNAREORC実験を行い,広範囲な評価を行った。我々は、NAREORがさらなる探索の可能性を秘めていることを実証する。

関連論文リスト

Not (yet) the whole story: Evaluating Visual Storytelling Requires More than Measuring Coherence, Grounding, and Repetition [8.058451580903123]
人間の類似性の観点から,物語の質を計測する新しい手法を提案する。次に、この手法を用いて、複数のモデルによって生成されたストーリーを評価する。 TAPMのビジュアルコンポーネントと言語コンポーネントをアップグレードすると、競合するパフォーマンスをもたらすモデルが得られる。
論文参考訳（メタデータ） (2024-07-05T14:48:15Z)
Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。 NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
論文参考訳（メタデータ） (2024-04-22T17:55:07Z)
Previously on the Stories: Recap Snippet Identification for Story Reading [51.641565531840186]
本稿では,手作り評価データセットを用いたRecap Snippet Identificationと呼ばれる,この有用なタスクに関する最初のベンチマークを提案する。本実験により,提案課題は,提案課題がスニペット間のプロット相関の深い理解を必要とするため,PLM,LSM,および提案手法に難題であることが判明した。
論文参考訳（メタデータ） (2024-02-11T18:27:14Z)
Data-CUBE: Data Curriculum for Instruction-based Sentence Representation Learning [85.66907881270785]
本稿では,学習用マルチタスクデータの順序を列挙するデータカリキュラム,すなわちData-CUBEを提案する。タスクレベルでは、タスク間の干渉リスクを最小化するために最適なタスクオーダーを見つけることを目的としている。インスタンスレベルでは、タスク毎のすべてのインスタンスの難易度を測定し、トレーニングのためにそれらを簡単に微分できるミニバッチに分割します。
論文参考訳（メタデータ） (2024-01-07T18:12:20Z)
Towards Model-Based Data Acquisition for Subjective Multi-Task NLP Problems [12.38430125789305]
マルチタスクシナリオにおける各テキストに対して個別にアノテートされたタスクの選択を可能にする新しいモデルベースアプローチを提案する。 3つのデータセット、数十のNLPタスク、数千のアノテーションによる実験により、我々の手法は、知識の喪失を無視できるアノテーションの数を最大40%削減できることを示した。
論文参考訳（メタデータ） (2023-12-13T15:03:27Z)
DeltaScore: Fine-Grained Story Evaluation with Perturbations [69.33536214124878]
DELTASCOREは,ニュアンスストーリーの側面の評価に摂動技術を用いた新しい手法である。私たちの中心的な命題は、物語が特定の側面(例えば、流感)で興奮する程度は、特定の摂動に対するその感受性の大きさと相関している、と仮定している。事前学習言語モデルを用いて,前摂動状態と後摂動状態の確率差を計算することにより,アスペクトの品質を測定する。
論文参考訳（メタデータ） (2023-03-15T23:45:54Z)
One Embedder, Any Task: Instruction-Finetuned Text Embeddings [105.82772523968961]
INSTRUCTORはタスク命令のテキスト埋め込みを計算するための新しい方法である。すべてのテキスト入力はユースケースを説明する指示と共に埋め込まれる。 InSTRUCTORを70の埋め込み評価タスクで評価する。
論文参考訳（メタデータ） (2022-12-19T18:57:05Z)
Curriculum-Meta Learning for Order-Robust Continual Relation Extraction [12.494209368988253]
連続的な関係抽出の課題に取り組むための新しいカリキュラムメタ学習方法を提案する。メタ学習とカリキュラム学習を組み合わせて、モデルパラメータを新しいタスクに迅速に適応させる。与えられたモデルの順序感度の程度を定量的に測定する難易度に基づく新しい指標を提案する。
論文参考訳（メタデータ） (2021-01-06T08:52:34Z)
Decoding Methods for Neural Narrative Generation [74.37264021226308]
ナラティブ生成(英: Narrative generation)とは、モデルがプロンプトを与えられたストーリーを生成するオープンエンドのNLPタスクである。ニューラル・ナラティブ・ジェネレーションに対するニューラル・レスポンス・ジェネレーションのためのデコード手法の適用と評価を行った。
論文参考訳（メタデータ） (2020-10-14T19:32:56Z)

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。