論文の概要: Subsentence Extraction from Text Using Coverage-Based Deep Learning Language Models

• arxiv url: http://arxiv.org/abs/2104.09777v1
• Date: Tue, 20 Apr 2021 06:24:49 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-21 23:01:11.857446
• Title: Subsentence Extraction from Text Using Coverage-Based Deep Learning Language Models
• Title（参考訳）: 包括的深層学習言語モデルを用いたテキストからの文抽出
• Authors: JongYoon Lim, Inkyu Sa, Ho Seok Ahn, Norina Gasteiger, Sanghyub John Lee, Bruce MacDonald
• Abstract要約: カバレッジに基づく感情・サブセンテンス抽出システムを提案する。 予測サブセンテンスは、感情を表す補助情報からなる。 我々のアプローチは、最先端のアプローチよりも、subsentence予測の大きなマージンで勝っている。
• 参考スコア（独自算出の注目度）: 3.3461339691835277
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Sentiment prediction remains a challenging and unresolved task in various research fields, including psychology, neuroscience, and computer science. This stems from its high degree of subjectivity and limited input sources that can effectively capture the actual sentiment. This can be even more challenging with only text-based input. Meanwhile, the rise of deep learning and an unprecedented large volume of data have paved the way for artificial intelligence to perform impressively accurate predictions or even human-level reasoning. Drawing inspiration from this, we propose a coverage-based sentiment and subsentence extraction system that estimates a span of input text and recursively feeds this information back to the networks. The predicted subsentence consists of auxiliary information expressing a sentiment. This is an important building block for enabling vivid and epic sentiment delivery (within the scope of this paper) and for other natural language processing tasks such as text summarisation and Q&A. Our approach outperforms the state-of-the-art approaches by a large margin in subsentence prediction (i.e., Average Jaccard scores from 0.72 to 0.89). For the evaluation, we designed rigorous experiments consisting of 24 ablation studies. Finally, our learned lessons are returned to the community by sharing software packages and a public dataset that can reproduce the results presented in this paper.
• Abstract（参考訳）: 感覚予測は、心理学、神経科学、コンピュータ科学を含む様々な研究分野において、困難で未解決の課題である。 これは、その高い主観性と実際の感情を効果的に捉えることのできる限られた入力源に由来する。 テキストベースの入力だけでは、これはさらに難しくなります。 一方、ディープラーニングの台頭と前例のない大量のデータによって、人工知能が驚くほど正確な予測や人間レベルの推論を行う方法が整っている。 そこで本稿では,入力テキストのスパンを推定し,その情報をネットワークに再帰的にフィードバックする,カバレッジに基づく感情とサブ文抽出システムを提案する。 予測サブ文は、感情を表す補助情報からなる。 本論文は,テキスト要約やQ&Aなどの自然言語処理タスクにおいて,鮮明かつエピックな感情配信を可能にする重要なビルディングブロックである。 提案手法は, 最先端の手法よりも, サブセンテンス予測において大きなマージン(平均jaccardスコアが 0.72 から 0.89 まで)を上回っている。 評価のために24のアブレーション実験からなる厳密な実験を考案した。 最後に,本論文で提示した結果を再現可能なソフトウェアパッケージと公開データセットを共有することで,学習した教訓をコミュニティに返却する。

関連論文リスト

• On the effect of curriculum learning with developmental data for grammar acquisition [4.4044968357361745]
  この研究は、文法習得が言語の単純さによって引き起こされる程度と、データのソースモダリティ(音声対テキスト)について考察する。 特にBabyLMトレーニングコーパス(AO-Childes)とOpen Subtitles(Open Subtitles)の2つを対象とする。
  論文  参考訳（メタデータ） (2023-10-31T20:05:30Z)
• Harnessing the Power of Text-image Contrastive Models for Automatic Detection of Online Misinformation [50.46219766161111]
  誤情報識別の領域における構成的学習を探求する自己学習モデルを構築した。 本モデルでは、トレーニングデータが不十分な場合、非マッチング画像-テキストペア検出の優れた性能を示す。
  論文  参考訳（メタデータ） (2023-04-19T02:53:59Z)
• Lexical Complexity Prediction: An Overview [13.224233182417636]
  テキスト中の未知の単語の発生は、読書の理解を著しく妨げている。 計算モデリングは、テキスト中の複雑な単語を識別し、より単純な代替語に置き換えるために応用されている。 本稿では,英文データに基づく語彙複雑性予測に対する計算手法の概要について述べる。
  論文  参考訳（メタデータ） (2023-03-08T19:35:08Z)
• Fine-Grained Visual Entailment [51.66881737644983]
  そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。 従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。 本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-29T16:09:38Z)
• A Case Study to Reveal if an Area of Interest has a Trend in Ongoing Tweets Using Word and Sentence Embeddings [0.0]
  我々は、デイリー平均類似度スコアが日々のツイートコーパスとターゲット語との類似性を示す、容易に適用可能な自動化手法を提案する。 デイリー平均類似度スコアは主にコサイン類似度と単語/文埋め込みに基づいている。 また,提案手法を適用しながら単語と文の埋め込みの有効性を比較し,ほぼ同じ結果が得られることを認識した。
  論文  参考訳（メタデータ） (2021-10-02T18:44:55Z)
• The Challenges of Persian User-generated Textual Content: A Machine Learning-Based Approach [0.0]
  この研究は、ペルシャのユーザー生成テキストコンテンツがもたらすハードルに対処するために機械学習ベースのアプローチを適用します。 提示されたアプローチは、ペルシア語の感情分析を行うために機械翻訳データセットを使用する。 実験の結果は、これまでの試みとは対照的に、有望な最先端のパフォーマンスを示しています。
  論文  参考訳（メタデータ） (2021-01-20T11:57:59Z)
• Deep Learning for Text Style Transfer: A Survey [71.8870854396927]
  テキストスタイル転送は、生成したテキストの特定の属性を制御することを目的として、自然言語生成において重要なタスクである。 2017年の最初のニューラルテキストスタイル転送作業以降,100以上の代表的な記事を対象とした,ニューラルテキストスタイル転送の研究の体系的な調査を行う。 タスクの定式化、既存のデータセットとサブタスク、評価、並列データと非並列データの存在下での豊富な方法論について論じる。
  論文  参考訳（メタデータ） (2020-11-01T04:04:43Z)
• Be More with Less: Hypergraph Attention Networks for Inductive Text Classification [56.98218530073927]
  グラフニューラルネットワーク(GNN)は、研究コミュニティで注目され、この標準タスクで有望な結果を実証している。 成功にもかかわらず、それらのパフォーマンスは、単語間の高次相互作用をキャプチャできないため、実際は大部分が危険に晒される可能性がある。 本稿では,テキスト表現学習において,少ない計算量でより表現力の高いハイパーグラフアテンションネットワーク(HyperGAT)を提案する。
  論文  参考訳（メタデータ） (2020-11-01T00:21:59Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)
• Improving unsupervised neural aspect extraction for online discussions using out-of-domain classification [11.746330029375745]
  本稿では,ニュースグループに基づくコンテンツから学んだ話題的側面を改善するために,文フィルタリングに基づく簡単なアプローチを提案する。 文フィルタリングがトピックコヒーレンスに与える影響を,未フィルタリングテキスト上で訓練されたアスペクト抽出モデルと比較した。
  論文  参考訳（メタデータ） (2020-06-17T10:34:16Z)
• ORB: An Open Reading Benchmark for Comprehensive Evaluation of Machine Reading Comprehension [53.037401638264235]
  我々は,7種類の読解データセットの性能を報告する評価サーバORBを提案する。 評価サーバは、モデルのトレーニング方法に制限を課さないため、トレーニングパラダイムや表現学習の探索に適したテストベッドである。
  論文  参考訳（メタデータ） (2019-12-29T07:27:23Z)

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。