論文の概要: Playing Codenames with Language Graphs and Word Embeddings
- arxiv url: http://arxiv.org/abs/2105.05885v1
- Date: Wed, 12 May 2021 18:23:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-05-15 03:17:11.419331
- Title: Playing Codenames with Language Graphs and Word Embeddings
- Title（参考訳）: 言語グラフと単語埋め込みでコードネームをプレイする
- Authors: Divya Koyyalagunta, Anna Sun, Rachel Lea Draelos, Cynthia Rudin
- Abstract要約: 言語グラフBabelNetからコード名の手がかりを生成できるアルゴリズムを提案する。
本稿では,手掛かりの質を測定する新しいスコアリング機能を提案する。
BabelNet-Word Selection Framework(BabelNet-WSF)を開発して、BabelNetの手がかり品質を向上させます。
- 参考スコア（独自算出の注目度）: 21.358501003335977
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Although board games and video games have been studied for decades in
artificial intelligence research, challenging word games remain relatively
unexplored. Word games are not as constrained as games like chess or poker.
Instead, word game strategy is defined by the players' understanding of the way
words relate to each other. The word game Codenames provides a unique
opportunity to investigate common sense understanding of relationships between
words, an important open challenge. We propose an algorithm that can generate
Codenames clues from the language graph BabelNet or from any of several
embedding methods - word2vec, GloVe, fastText or BERT. We introduce a new
scoring function that measures the quality of clues, and we propose a weighting
term called DETECT that incorporates dictionary-based word representations and
document frequency to improve clue selection. We develop BabelNet-Word
Selection Framework (BabelNet-WSF) to improve BabelNet clue quality and
overcome the computational barriers that previously prevented leveraging
language graphs for Codenames. Extensive experiments with human evaluators
demonstrate that our proposed innovations yield state-of-the-art performance,
with up to 102.8% improvement in precision@2 in some cases. Overall, this work
advances the formal study of word games and approaches for common sense
language understanding.
- Abstract（参考訳）: ボードゲームやビデオゲームは人工知能の研究で何十年にもわたって研究されてきたが、挑戦的な単語ゲームは比較的未開拓のままである。
言葉ゲームはチェスやポーカーのようなゲームほど制約されない。
代わりに、ワードゲーム戦略は、単語同士の関連性に対するプレイヤーの理解によって定義される。
Game Codenamesという単語は、単語間の関係の常識的理解を研究するユニークな機会を提供する。
本稿では,言語グラフBabelNetや,Word2vec,GloVe,fastText,BERTなどの埋め込み手法からCodenamesのヒントを生成するアルゴリズムを提案する。
本稿では,手掛かりの質を測る新たなスコアリング機能を導入し,辞書に基づく単語表現と文書の頻度を組み込んだ重み付け語DETECTを提案する。
我々はBabelNet-Word Selection Framework(BabelNet-WSF)を開発し、BabelNetの手がかり品質を改善し、これまでCodenameの言語グラフの活用を妨げていた計算障壁を克服した。
人間の評価装置による大規模な実験により、提案した技術革新が最先端のパフォーマンスを向上し、場合によっては最大102.8%の精度が向上することを示した。
全体として、この研究は、共通感覚言語理解のためのワードゲームとアプローチの形式的研究を前進させる。
関連論文リスト
- Italian Crossword Generator: Enhancing Education through Interactive
Word Puzzles [9.84767617576152]
我々はクロスワードの手がかりを生成し検証するための総合システムを開発した。
モデルを微調整するために、ヒントと答えのペアのデータセットがコンパイルされた。
与えられたテキストからクロスワードの手がかりを生成するために、ゼロ/フォーショット学習技術が用いられた。
論文 参考訳（メタデータ） (2023-11-27T11:17:29Z) - Using Wordle for Learning to Design and Compare Strategies [0.685316573653194]
ゲームに関する確率的,統計的,情報理論的な情報に基づいて,Wordleを解くためのパラメータ化戦略を設計することができる。
この戦略は、システム的にも動的にも、Wordleのようなゲーム群を合理的に扱うことができる。
本稿では,現在のWordleを解くために,パラメータ化戦略の2つのファミリを用いた結果について述べる。
論文 参考訳（メタデータ） (2022-04-30T14:41:25Z) - Pretraining without Wordpieces: Learning Over a Vocabulary of Millions
of Words [50.11559460111882]
本稿では,単語ではなく単語の語彙上で,BERTスタイルの事前学習モデルを開発する可能性について検討する。
その結果,標準的なワードピースベースのBERTと比較して,WordBERTはクローゼテストや機械読解の大幅な改善を実現していることがわかった。
パイプラインは言語に依存しないので、中国語でWordBERTを訓練し、5つの自然言語理解データセットで大きな利益を得る。
論文 参考訳（メタデータ） (2022-02-24T15:15:48Z) - Finding the optimal human strategy for Wordle using maximum correct
letter probabilities and reinforcement learning [0.0]
Wordleは2022年1月に普及したオンラインパズルゲームである。
本稿では,単語選択のための2つの方法と,最適な人的戦略を発見するための枠組みを提案する。
論文 参考訳（メタデータ） (2022-02-01T17:03:26Z) - UCPhrase: Unsupervised Context-aware Quality Phrase Tagging [63.86606855524567]
UCPhraseは、教師なしの文脈対応のフレーズタグである。
我々は,一貫した単語列から,高品質なフレーズを銀のラベルとして表現する。
我々の設計は、最先端の事前訓練、教師なし、遠隔管理の手法よりも優れていることを示す。
論文 参考訳（メタデータ） (2021-05-28T19:44:24Z) - Decrypting Cryptic Crosswords: Semantically Complex Wordplay Puzzles as
a Target for NLP [5.447716844779342]
クリプティック・クロスワード(Cryptic crosswords)は、イギリスにおける英語を話すクロスワードである。
ベンチマークとして使用可能な暗号クロスワードヒントのデータセットを提示し,それらを解決するためにシーケンス・ツー・シーケンスモデルをトレーニングする。
新たなカリキュラム学習手法により,性能を大幅に向上できることを示す。
論文 参考訳（メタデータ） (2021-04-17T18:54:00Z) - Deconstructing word embedding algorithms [17.797952730495453]
我々は、最もよく知られた単語埋め込みアルゴリズムのいくつかについて振り返りを提案する。
本研究では,Word2vec,GloVe,その他を共通形式に分解し,実演語埋め込みに必要な共通条件を明らかにした。
論文 参考訳（メタデータ） (2020-11-12T14:23:35Z) - Deep Reinforcement Learning with Stacked Hierarchical Attention for
Text-based Games [64.11746320061965]
自然言語の文脈におけるインタラクティブなシミュレーションであるテキストベースゲームの強化学習について検討する。
エージェントの動作が解釈可能な推論手順によって生成され、支援されるように、意思決定のための知識グラフを用いた明示的な推論を行うことを目指している。
提案手法を多数の人為的ベンチマークゲームで広範囲に評価し,本手法が既存のテキストベースエージェントよりも優れていることを示す実験結果を得た。
論文 参考訳（メタデータ） (2020-10-22T12:40:22Z) - Interactive Fiction Game Playing as Multi-Paragraph Reading
Comprehension with Reinforcement Learning [94.50608198582636]
対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。
IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
論文 参考訳（メタデータ） (2020-10-05T23:09:20Z) - Techniques for Vocabulary Expansion in Hybrid Speech Recognition Systems [54.49880724137688]
語彙外単語(OOV)の問題は、音声認識システムにおいて典型的である。
OOVをカバーするための一般的なアプローチの1つは、単語ではなくサブワード単位を使用することである。
本稿では,グラフ構築法と探索法の両方のレベルで,この解の既存手法について検討する。
論文 参考訳（メタデータ） (2020-03-19T21:24:45Z) - Learning Dynamic Belief Graphs to Generalize on Text-Based Games [55.59741414135887]
テキストベースのゲームをプレイするには、自然言語処理とシーケンシャルな意思決定のスキルが必要である。
本研究では,原文からエンドツーエンドに学習したグラフ構造化表現を用いて,エージェントがテキストベースのゲームでどのように計画・一般化できるかを検討する。
論文 参考訳（メタデータ） (2020-02-21T04:38:37Z)
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。