Fugu-MT 論文翻訳(概要): Language in a (Search) Box: Grounding Language Learning in Real-World Human-Machine Interaction

論文の概要: Language in a (Search) Box: Grounding Language Learning in Real-World Human-Machine Interaction

arxiv url: http://arxiv.org/abs/2104.08874v1
Date: Sun, 18 Apr 2021 15:03:16 GMT
ステータス: 処理完了
システム内更新日: 2021-04-20 14:04:40.822155
Title: Language in a (Search) Box: Grounding Language Learning in Real-World Human-Machine Interaction
Title（参考訳）: 検索ボックス内の言語:人間と機械の相互作用における言語学習の基盤
Authors: Federico Bianchi and Ciro Greco and Jacopo Tagliabue
Abstract要約: ユーザデータのみから、接地領域、表記関数、合成関数がどのように学習されるかを示す。合成性およびゼロショット推論タスクに関する基礎的セマンティクスをベンチマークする。
参考スコア（独自算出の注目度）: 4.137464623395377
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We investigate grounded language learning through real-world data, by modelling a teacher-learner dynamics through the natural interactions occurring between users and search engines; in particular, we explore the emergence of semantic generalization from unsupervised dense representations outside of synthetic environments. A grounding domain, a denotation function and a composition function are learned from user data only. We show how the resulting semantics for noun phrases exhibits compositional properties while being fully learnable without any explicit labelling. We benchmark our grounded semantics on compositionality and zero-shot inference tasks, and we show that it provides better results and better generalizations than SOTA non-grounded models, such as word2vec and BERT.
Abstract（参考訳）: 本研究では,ユーザと検索エンジン間の自然な相互作用を通じて,教師と教師のダイナミクスをモデル化し,実世界のデータを用いた基礎言語学習について検討する。ユーザデータのみから接地ドメイン、表記関数、合成関数を学習する。名詞句の意味論は、明示的なラベリングを伴わずに完全に学習可能でありながら、構成的特性を示す。我々は、合成性やゼロショット推論タスクに関する基礎的セマンティクスをベンチマークし、ワード2vecやBERTのようなSOTA非基底モデルよりも優れた結果とより良い一般化を提供することを示した。

関連論文リスト

Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文参考訳（メタデータ） (2022-10-14T02:35:19Z)
Compositional Generalization in Grounded Language Learning via Induced Model Sparsity [81.38804205212425]
グリッド環境における単純な言語条件のナビゲーション問題について考察する。本研究では,オブジェクトの指示文と属性のスパース相関を助長するエージェントを設計し,それらを組み合わせて目的を導出する。我々のエージェントは、少数のデモンストレーションから学習した場合でも、新しいプロパティの組み合わせを含む目標に対して高いレベルのパフォーマンスを維持している。
論文参考訳（メタデータ） (2022-07-06T08:46:27Z)
Sim-To-Real Transfer of Visual Grounding for Human-Aided Ambiguity Resolution [0.0]
視覚的接地という課題について考察し, エージェントは, 混み合ったシーンからオブジェクトを抽出し, 自然言語で記述する。視覚的接地に対する現代の全体論的アプローチは、言語構造を無視し、ジェネリックドメインをカバーするのに苦労する。実体,属性,空間関係の合成視覚的グラウンド化のための,完全に分離されたモジュラー・フレームワークを提案する。
論文参考訳（メタデータ） (2022-05-24T14:12:32Z)
Neural Variational Learning for Grounded Language Acquisition [14.567067583556714]
本稿では,言語が特定の定義された用語のカテゴリを含まない視覚的知覚に基礎を置いている学習システムを提案する。この生成手法は,低リソース環境下での視覚的カテゴリを事前に指定することなく,言語接地において有望な結果を示すことを示す。
論文参考訳（メタデータ） (2021-07-20T20:55:02Z)
Neural Abstructions: Abstractions that Support Construction for Grounded Language Learning [69.1137074774244]
言語の相互作用を効果的に活用するには、言語基底に対する2つの最も一般的なアプローチの制限に対処する必要がある。本稿では,ラベル条件付き生成モデルの推論手順に対する制約のセットであるニューラル・アブストラクションの考え方を紹介する。この手法により,マインクラフトにおけるオープンエンドハウスタスクのセマンティックな変更をユーザ人口が構築できることが示される。
論文参考訳（メタデータ） (2021-07-20T07:01:15Z)
Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
論文参考訳（メタデータ） (2021-04-20T17:56:24Z)
A Visuospatial Dataset for Naturalistic Verb Learning [18.654373173232205]
基礎言語モデルのトレーニングと評価のための新しいデータセットを導入する。我々のデータはバーチャルリアリティー環境で収集され、言語データの品質をエミュレートするように設計されている。収集したデータを用いて、動詞学習のための複数の分布意味論モデルを比較する。
論文参考訳（メタデータ） (2020-10-28T20:47:13Z)
Systematic Generalization on gSCAN with Language Conditioned Embedding [19.39687991647301]
体系的一般化とは、学習アルゴリズムが学習した振る舞いを目に見えない状況に外挿する能力を指す。本稿では,入力自然言語を条件とした動的メッセージパッシングによるオブジェクトの文脈的埋め込みを学習する手法を提案する。
論文参考訳（メタデータ） (2020-09-11T17:35:05Z)
Learning Universal Representations from Word to Sentence [89.82415322763475]
この研究は普遍的な表現学習、すなわち一様ベクトル空間における言語単位の異なるレベルへの埋め込みを導入し、探求する。本稿では, 単語, 句, 文の観点から, 類似したデータセットを構築するためのアプローチを提案する。適切なトレーニング設定を組み込んだよく訓練されたトランスフォーマーモデルが、効果的に普遍的な表現が得られることを実証的に検証する。
論文参考訳（メタデータ） (2020-09-10T03:53:18Z)

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。