論文の概要: Context-Aware Interaction Network for Question Matching

• arxiv url: http://arxiv.org/abs/2104.08451v1
• Date: Sat, 17 Apr 2021 05:03:56 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-20 14:44:16.248067
• Title: Context-Aware Interaction Network for Question Matching
• Title（参考訳）: 質問マッチングのためのコンテキスト認識インタラクションネットワーク
• Authors: Zhe Hu, Zuohui Fu, Yu Yin, Gerard de Melo and Cheng Peng
• Abstract要約: 本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
• 参考スコア（独自算出の注目度）: 51.76812857301819
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Impressive milestones have been achieved in text matching by adopting a cross-attention mechanism to capture pertinent semantic connections between two sentences. However, these cross-attention mechanisms focus on word-level links between the two inputs, neglecting the importance of contextual information. We propose a context-aware interaction network (COIN) to properly align two sequences and infer their semantic relationship. Specifically, each interaction block includes (1) a context-aware cross-attention mechanism to effectively integrate contextual information, and (2) a gate fusion layer to flexibly interpolate aligned representations. We apply multiple stacked interaction blocks to produce alignments at different levels and gradually refine the attention results. Experiments on two question matching datasets and detailed analyses confirm the effectiveness of our model.
• Abstract（参考訳）: テキストマッチングにおいて印象的なマイルストーンは、2つの文間の関連する意味的関係をキャプチャするクロスアテンション機構を採用することで達成されている。 しかし、これらの相互接続機構は、文脈情報の重要性を無視して、2つの入力間の単語レベルのリンクに焦点を当てている。 本研究では,2つのシーケンスを適切に調整し,意味的関係を推測するコンテキスト認識インタラクションネットワーク(COIN)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。 複数の積み重ねられた相互作用ブロックを適用し、異なるレベルのアライメントを生成し、徐々に注目結果を洗練する。 2つの質問マッチングデータセットと詳細な分析実験により,本モデルの有効性が確認された。

関連論文リスト

• Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
  マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。 MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
  論文  参考訳（メタデータ） (2023-07-19T02:11:19Z)
• A Hierarchical Interactive Network for Joint Span-based Aspect-Sentiment Analysis [34.1489054082536]
  本稿では,2つのタスク間の双方向相互作用を適切にモデル化する階層型対話型ネットワーク(HI-ASA)を提案する。 クロススティッチ機構を用いて、異なるタスク固有の特徴を入力として選択的に組み合わせ、適切な双方向インタラクションを保証する。 3つの実世界のデータセットの実験は、HI-ASAがベースラインよりも優れていることを示している。
  論文  参考訳（メタデータ） (2022-08-24T03:03:49Z)
• Semantic Role Aware Correlation Transformer for Text to Video Retrieval [23.183653281610866]
  本稿では,テキストや動画をオブジェクト,空間的コンテキスト,時間的コンテキストのセマンティックな役割へと明示的に切り離す新しいトランスフォーマーを提案する。 一般的なYouCook2の予備的な結果は、我々のアプローチが現在の最先端の手法を超越していることを示している。
  論文  参考訳（メタデータ） (2022-06-26T11:28:03Z)
• Towards Joint Intent Detection and Slot Filling via Higher-order Attention [47.78365472691051]
  Intent Detection (ID) と Slot fill (SF) は、音声言語理解(SLU)における2つの主要なタスクである。 本稿では,文脈的およびチャネル的両線的アテンション分布を利用したバイリニアアテンションブロックを提案する。 我々のアプローチは最先端のアプローチと比較して改善をもたらすことを示す。
  論文  参考訳（メタデータ） (2021-09-18T09:50:23Z)
• Co-GAT: A Co-Interactive Graph Attention Network for Joint Dialog Act Recognition and Sentiment Classification [34.711179589196355]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 2つのタスクを共同で実行するためのCo-GAT(Co-Interactive Graph Attention Network)を提案する。 2つの公開データセットの実験結果から,我々のモデルは2つの情報源をうまく捉えていることがわかった。
  論文  参考訳（メタデータ） (2020-12-24T14:10:24Z)
• Interactive Fusion of Multi-level Features for Compositional Activity Recognition [100.75045558068874]
  インタラクティブな融合によってこの目標を達成する新しいフレームワークを提案する。 本フレームワークは,位置から出現までの特徴抽出,意味的特徴の相互作用,意味から位置への予測という3つのステップで実装する。 我々は,2つの行動認識データセット,SomethingとCharadesに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-12-10T14:17:18Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• Adaptive Interaction Fusion Networks for Fake News Detection [12.459707991466168]
  本稿では,偽ニュース検出機能間の相互干渉融合を実現するために,AIFN(Adaptive Interaction Fusion Networks)を提案する。 特徴関連性を確立するために,意味レベル融合自己注意ネットワーク(SFSN)を考案した。 実世界の2つのデータセットであるRumourEvalとPHEMEの実験では、AIFNが最先端のパフォーマンスを達成し、それぞれ2.05%以上と1.90%以上の精度を向上することを示した。
  論文  参考訳（メタデータ） (2020-04-21T13:51:03Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。