論文の概要: Semantic Frame Induction using Masked Word Embeddings and Two-Step Clustering

• arxiv url: http://arxiv.org/abs/2105.13466v1
• Date: Thu, 27 May 2021 22:00:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-31 13:41:38.594954
• Title: Semantic Frame Induction using Masked Word Embeddings and Two-Step Clustering
• Title（参考訳）: マスク付き単語埋め込みと2ステップクラスタリングを用いた意味フレーム誘導
• Authors: Kosuke Yamada, Ryohei Sasano, Koichi Takeda
• Abstract要約: マスク付き単語埋め込みと2段階クラスタリングを用いた意味的フレーム誘導手法を提案する。 マスク付き単語埋め込みは,フレーム呼出動詞の表面情報への依存度を過度に回避するために有効であることを示す。
• 参考スコア（独自算出の注目度）: 9.93359829907774
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recent studies on semantic frame induction show that relatively high performance has been achieved by using clustering-based methods with contextualized word embeddings. However, there are two potential drawbacks to these methods: one is that they focus too much on the superficial information of the frame-evoking verb and the other is that they tend to divide the instances of the same verb into too many different frame clusters. To overcome these drawbacks, we propose a semantic frame induction method using masked word embeddings and two-step clustering. Through experiments on the English FrameNet data, we demonstrate that using the masked word embeddings is effective for avoiding too much reliance on the surface information of frame-evoking verbs and that two-step clustering can improve the number of resulting frame clusters for the instances of the same verb.
• Abstract（参考訳）: 近年,文脈型単語埋め込みを用いたクラスタリング手法により,比較的高い性能を実現している。 しかし、これらの手法には潜在的な欠点が2つある: 1つは、フレーム誘発動詞の表層情報に重きを置くこと、もう1つは、同じ動詞のインスタンスを、あまりに多くの異なるフレームクラスタに分割する傾向があることである。 これらの欠点を克服するために,マスキングワード埋め込みと2段階クラスタリングを用いた意味フレーム誘導手法を提案する。 英語のFrameNetデータを用いた実験により, 単語の埋め込みは, フレーム呼出動詞の表面情報への過度な依存を避けるのに有効であり, 2段階のクラスタリングにより, 同一動詞の場合のフレームクラスタ数を改善することができることを示した。

関連論文リスト

• Open-Vocabulary Segmentation with Unpaired Mask-Text Supervision [87.15580604023555]
  Unpair-Segは、弱制御されたオープン語彙セグメンテーションフレームワークである。 未ペア画像マスクと画像テキストペアから学習し、独立して効率的に収集することができる。 ADE-847とPASCAL Context-459データセットで14.6%と19.5%のmIoUを達成した。
  論文  参考訳（メタデータ） (2024-02-14T06:01:44Z)
• Acquiring Frame Element Knowledge with Deep Metric Learning for Semantic Frame Induction [24.486546938073907]
  本稿では,ディープラーニングを意味的フレーム帰納タスクに適用する手法を提案する。 事前訓練された言語モデルは、フレーム要素の役割を区別するのに適するように微調整される。 FrameNetの実験結果から,本手法は既存手法よりも大幅に性能が向上することが示された。
  論文  参考訳（メタデータ） (2023-05-23T11:02:28Z)
• Semantic Frame Induction with Deep Metric Learning [24.486546938073907]
  本研究では,深層学習を用いて文脈的埋め込みモデルを微調整するモデルを提案する。 セマンティック・フレーム・インダクションを実行するために、微調整されたコンテキスト適応型埋め込みを適用した。
  論文  参考訳（メタデータ） (2023-04-27T15:46:09Z)
• Associating Spatially-Consistent Grouping with Text-supervised Semantic Segmentation [117.36746226803993]
  テキスト教師付きセマンティックセグメンテーションを用いた自己教師付き空間一貫性グループ化を提案する。 部分的なグループ化結果を考えると、さらに画像レベルから領域レベルへのテキスト教師付きモデルを適用する。 59.2% mIoU と 32.4% mIoU を Pascal VOC および Pascal Context ベンチマークで達成した。
  論文  参考訳（メタデータ） (2023-04-03T16:24:39Z)
• Adaptively Clustering Neighbor Elements for Image-Text Generation [78.82346492527425]
  我々はtextbfACF と呼ばれるトランスフォーマーに基づく新しい画像テキスト生成モデルを提案する。 ACFは、視覚パッチをオブジェクト領域と言語単語に適応的にクラスタリングし、暗黙的にオブジェクト・フレーズのアライメントを学習する。 実験の結果,ほとんどのSOTAキャプションやVQAモデルよりも優れたACFの有効性が示された。
  論文  参考訳（メタデータ） (2023-01-05T08:37:36Z)
• Betrayed by Captions: Joint Caption Grounding and Generation for Open Vocabulary Instance Segmentation [80.48979302400868]
  オープンな語彙のインスタンスセグメンテーションに注目し、セグメンテーションモデルを拡張して、インスタンスレベルの新しいカテゴリを分類し、セグメンテーションする。 これまでは、画像領域と名詞の字幕間の1対1のマッピングを確立するために、大量の字幕データセットと複雑なパイプラインに頼っていた。 我々は,一致したオブジェクトのみに着目して学習効率を向上させる新しいグラウンドニング損失を取り入れた,共同の textbf Caption Grounding and Generation (CGG) フレームワークを考案した。
  論文  参考訳（メタデータ） (2023-01-02T18:52:12Z)
• Sister Help: Data Augmentation for Frame-Semantic Role Labeling [9.62264668211579]
  既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。 本稿では,このデータ強化の重要性を示すフレーム・セマンティック・ロール・ラベリングの実験を行う。
  論文  参考訳（メタデータ） (2021-09-16T05:15:29Z)
• Verb Sense Clustering using Contextualized Word Representations for Semantic Frame Induction [9.93359829907774]
  文脈化された単語表現は、様々な自然言語処理タスクに有用であることが証明されている。 本稿では,文脈によって異なるフレームを誘発する動詞に着目した。 我々は,同じ動詞が発声するフレームの違いを,文脈化された単語表現がいかによく認識できるかを検討する。
  論文  参考訳（メタデータ） (2021-05-27T21:53:40Z)
• End-to-End Speaker Diarization as Post-Processing [64.12519350944572]
  クラスタリングに基づくダイアリゼーション手法は、フレームを話者数のクラスタに分割する。 いくつかのエンドツーエンドのダイアリゼーション手法は、問題をマルチラベル分類として扱うことで重なり合う音声を処理できる。 本稿では,クラスタリングによる結果の処理後処理として,2話者のエンドツーエンドダイアリゼーション手法を提案する。
  論文  参考訳（メタデータ） (2020-12-18T05:31:07Z)
• Causal Intervention for Weakly-Supervised Semantic Segmentation [122.1846968696862]
  画像レベルのラベルのみを用いて、より優れたピクセルレベルの擬似マスクを生成することを目指している。 画像,コンテキスト,およびクラスラベル間の因果関係を分析するための構造因果モデルを提案する。 そこで本研究では,画像レベルの分類において,矛盾するバイアスを取り除くためのコンテキスト調整(CONTA)手法を提案する。
  論文  参考訳（メタデータ） (2020-09-26T09:26:29Z)
• FrameAxis: Characterizing Microframe Bias and Intensity with Word Embedding [8.278618225536807]
  本稿では,最も関連性の高い意味軸(マイクロフレーム)を識別し,文書を特徴付ける方法であるFrameAxisを提案する。 FrameAxisは、マイクロフレームがテキストでどのように使われているかという、2つの重要な次元を定量的に評価するように設計されている。 レストランレビューから政治ニュースまで,複数のデータセットにFrameAxisを適用することで,感情,トピック,パルチザンのスペクトルと高いバイアスと強度のマイクロフレームが一致していることを示す。
  論文  参考訳（メタデータ） (2020-02-20T08:01:28Z)

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。