Fugu-MT 論文翻訳(概要): Evaluating the Impact of a Hierarchical Discourse Representation on Entity Coreference Resolution Performance

論文の概要: Evaluating the Impact of a Hierarchical Discourse Representation on Entity Coreference Resolution Performance

arxiv url: http://arxiv.org/abs/2104.10215v1
Date: Tue, 20 Apr 2021 19:14:57 GMT
ステータス: 処理完了
システム内更新日: 2021-04-23 02:48:05.284763
Title: Evaluating the Impact of a Hierarchical Discourse Representation on Entity Coreference Resolution Performance
Title（参考訳）: 階層的談話表現がエンティティ参照解決性能に及ぼす影響の評価
Authors: Sopan Khosla, James Fiacco, Carolyn Rose
Abstract要約: 本研究では,ニューラルアプローチで自動構築された対話解析木を活用する。 2つのベンチマークエンティティのコリファレンスレゾリューションデータセットにおける大幅な改善を示す。
参考スコア（独自算出の注目度）: 3.7277082975620797
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Recent work on entity coreference resolution (CR) follows current trends in Deep Learning applied to embeddings and relatively simple task-related features. SOTA models do not make use of hierarchical representations of discourse structure. In this work, we leverage automatically constructed discourse parse trees within a neural approach and demonstrate a significant improvement on two benchmark entity coreference-resolution datasets. We explore how the impact varies depending upon the type of mention.
Abstract（参考訳）: エンティティコリファレンスレゾリューション(cr)に関する最近の研究は、埋め込みや比較的単純なタスク関連機能に適用されるディープラーニングの最近のトレンドに従っている。 SOTAモデルは、談話構造の階層的表現を使用しない。本研究では,ニューラルアプローチで自動構築された談話構文解析木を活用し,2つのベンチマークエンティティのコリファレンス解決データセットにおいて有意な改善を示す。我々は、言及の種類によって影響がどう変わるかを探る。

関連論文リスト

Enhancing Action Recognition by Leveraging the Hierarchical Structure of Actions and Textual Context [0.0]
本稿では,行動の階層的構造を利用して行動認識を改善する新しい手法を提案する。 RGBと光フローデータから視覚的特徴が得られ、テキスト埋め込みは文脈情報を表す。また,文脈的・階層的データの統合が行動認識性能に与える影響を評価するためのアブレーション研究も行った。
論文参考訳（メタデータ） (2024-10-28T17:59:35Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
Speech Self-Supervised Representations Benchmarking: a Case for Larger Probing Heads [32.45539981205672]
自己教師付き学習(SSL)は、ラベルなし音声の大きなデータセットを活用して、注釈付きデータの少ない量で印象的なパフォーマンスを達成する。本研究では,探索ヘッドアーキテクチャの変化によるベンチマーク結果の影響について検討する。
論文参考訳（メタデータ） (2023-08-28T09:49:48Z)
Probing Statistical Representations For End-To-End ASR [28.833851817220616]
本稿では,SVCCAを用いたトランスフォーマーアーキテクチャにおけるドメイン間言語モデル依存性について検討する。その結果, トランス層内の特定の神経表現は, 認識性能に影響を及ぼす相関挙動を示すことがわかった。
論文参考訳（メタデータ） (2022-11-03T17:08:14Z)
Autoregressive Structured Prediction with Language Models [73.11519625765301]
本稿では, PLM を用いた自己回帰的手法を用いて, モデル構造を行動列として記述する。我々のアプローチは、私たちが見てきた全ての構造化予測タスクにおいて、新しい最先端を実現する。
論文参考訳（メタデータ） (2022-10-26T13:27:26Z)
MINER: Improving Out-of-Vocabulary Named Entity Recognition from an Information Theoretic Perspective [57.19660234992812]
NERモデルは標準のNERベンチマークで有望な性能を達成した。近年の研究では、従来のアプローチはエンティティ参照情報に過度に依存し、OoV(out-of-vocabulary)エンティティ認識の性能が劣っていることが示されている。我々は、情報理論の観点からこの問題を改善するための新しいNER学習フレームワークであるMINERを提案する。
論文参考訳（メタデータ） (2022-04-09T05:18:20Z)
Layer-wise Analysis of a Self-supervised Speech Representation Model [26.727775920272205]
自己教師付き学習アプローチは、音声表現モデルの事前学習に成功している。事前訓練された表現そのものに符号化された情報のタイプや範囲についてはあまり研究されていない。
論文参考訳（メタデータ） (2021-07-10T02:13:25Z)
Enhancing the Generalization for Intent Classification and Out-of-Domain Detection in SLU [70.44344060176952]
インテント分類は、音声言語理解(SLU)における主要な課題である近年の研究では、余分なデータやラベルを使用することで、OOD検出性能が向上することが示されている。本稿では、IND意図分類とOOD検出の両方をサポートしながら、INDデータのみを用いてモデルを訓練することを提案する。
論文参考訳（メタデータ） (2021-06-28T08:27:38Z)
Structure-Regularized Attention for Deformable Object Representation [17.120035855774344]
文脈依存のキャプチャは、ディープニューラルネットワークの表現力を改善するのに有用であることが証明されている。自己注意や非局所操作といったグローバルコンテキストのモデリングに焦点をあてた近年のアプローチは、要素間の制約のないペアワイズ相互作用を可能にすることで、この目標を達成する。本稿では,データに固有の構造的依存関係をモデル化することにより,コンテキスト利用の恩恵を受けることができる変形可能なオブジェクトの学習表現について考察する。
論文参考訳（メタデータ） (2021-06-12T03:10:17Z)
Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
論文参考訳（メタデータ） (2020-10-24T08:11:23Z)
Probing Linguistic Features of Sentence-Level Representations in Neural Relation Extraction [80.38130122127882]
ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
論文参考訳（メタデータ） (2020-04-17T09:17:40Z)

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。