論文の概要: Grounding 'Grounding' in NLP
- arxiv url: http://arxiv.org/abs/2106.02192v1
- Date: Fri, 4 Jun 2021 00:40:59 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-07 15:10:52.217380
- Title: Grounding 'Grounding' in NLP
- Title(参考訳): nlpにおける接地「接地」
- Authors: Khyathi Raghavi Chandu, Yonatan Bisk, Alan W Black
- Abstract要約: コミュニティとして、この用語は、テキストをデータや非テキストのモダリティにリンクするために広く使われます。
認知科学(Cognitive Science)は、コミュニケーションの成功に必要な相互情報を確立するプロセスとして「接地」を正式に定義している。
- 参考スコア(独自算出の注目度): 59.28887479119075
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: The NLP community has seen substantial recent interest in grounding to
facilitate interaction between language technologies and the world. However, as
a community, we use the term broadly to reference any linking of text to data
or non-textual modality. In contrast, Cognitive Science more formally defines
"grounding" as the process of establishing what mutual information is required
for successful communication between two interlocutors -- a definition which
might implicitly capture the NLP usage but differs in intent and scope. We
investigate the gap between these definitions and seek answers to the following
questions: (1) What aspects of grounding are missing from NLP tasks? Here we
present the dimensions of coordination, purviews and constraints. (2) How is
the term "grounding" used in the current research? We study the trends in
datasets, domains, and tasks introduced in recent NLP conferences. And finally,
(3) How to advance our current definition to bridge the gap with Cognitive
Science? We present ways to both create new tasks or repurpose existing ones to
make advancements towards achieving a more complete sense of grounding.
- Abstract(参考訳): NLPコミュニティは近年、言語技術と世界との相互作用を促進するために基盤として大きな関心を集めている。
しかし、コミュニティとして、この用語は、テキストをデータや非テキストのモダリティに結びつけるために広く使われている。
対照的に、認知科学は「接地」をより形式的に定義し、2つの対話者間のコミュニケーションを成功させるために必要な相互情報を確立するプロセスとして定義している。
我々は,これらの定義のギャップについて検討し,(1)NLPタスクから基底のどの側面が欠落しているかという質問に対する回答を求める。
ここではコーディネーション、パービュー、制約の次元を示す。
2)最近の研究で「接地」という用語はどのように使われているか。
我々は最近のNLPカンファレンスで導入されたデータセット、ドメイン、タスクの傾向について調査する。
そして最後に,(3)認知科学とのギャップを埋めるために,現在の定義をどう進めるか?
我々は、新しいタスクを作成したり、既存のタスクを再利用したりして、より完全な接地感を達成する方法を提示します。
関連論文リスト
- Grounding from an AI and Cognitive Science Lens [4.624355582375099]
本稿では,認知科学と機械学習の両面から基礎を考察する。
接地者の微妙さ、共同作業者にとっての意義、および両コミュニティにおける接地アプローチの類似点と相違点を識別する。
論文 参考訳(メタデータ) (2024-02-19T17:44:34Z) - Grounding or Guesswork? Large Language Models are Presumptive Grounders [74.78677623965356]
本研究では,大言語モデル (LLM) が共通基盤構築において対話性を利用するかどうかを考察する。
この行動のルーツを理解するために,人間のフィードバックによる指導指導と強化学習の役割を検討する。
論文 参考訳(メタデータ) (2023-11-15T17:40:27Z) - Beyond Good Intentions: Reporting the Research Landscape of NLP for
Social Good [115.1507728564964]
NLP4SG Papersは3つのタスクを関連づけた科学データセットである。
これらのタスクはNLP4SGの論文を特定し、NLP4SGのランドスケープを特徴付けるのに役立つ。
現状のNLPモデルを用いてこれらのタスクに対処し、ACLアンソロジー全体においてそれらを使用する。
論文 参考訳(メタデータ) (2023-05-09T14:16:25Z) - An Inclusive Notion of Text [69.36678873492373]
テキストの概念の明確さは再現可能で一般化可能なNLPにとって不可欠である,と我々は主張する。
言語的および非言語的要素の2層分類を導入し,NLPモデリングに使用することができる。
論文 参考訳(メタデータ) (2022-11-10T14:26:43Z) - Meta Learning for Natural Language Processing: A Survey [88.58260839196019]
ディープラーニングは自然言語処理(NLP)分野において主要な技術である。
ディープラーニングには多くのラベル付きデータが必要です。
メタ学習は、より良いアルゴリズムを学ぶためのアプローチを研究する機械学習の分野である。
論文 参考訳(メタデータ) (2022-05-03T13:58:38Z) - A Survey On Neural Word Embeddings [0.4822598110892847]
自然言語処理における意味の研究は、分布仮説に依存する。
概念の分散表現という革命的な考えは、人間の心の働きに近い。
ニューラルワード埋め込みは、すべてのNLPタスクを大幅に改善することで、NLPの分野全体を変革した。
論文 参考訳(メタデータ) (2021-10-05T03:37:57Z) - Exploiting Scene Graphs for Human-Object Interaction Detection [81.49184987430333]
ヒューマン・オブジェクト・インタラクション(Human-Object Interaction,HOI)検出は、人間とオブジェクト間のインタラクションのローカライズと認識を目的とした、基本的な視覚的タスクである。
そこで本研究では,シーングラフを用いたヒューマン・オブジェクト・インタラクション(SG2HOI)検出タスクのための新しい手法を提案する。
SG2HOIはSG情報を2つの方法で組み込む:(1)シーングラフを世界的文脈の手がかりに埋め込み、シーン固有の環境コンテキストとして機能し、(2)オブジェクトの近傍から関係を収集し、それらを対話に転送するリレーショナル・アウェア・メッセージ・パッシング・モジュールを構築する。
論文 参考訳(メタデータ) (2021-08-19T09:40:50Z) - Bridging Gap between Image Pixels and Semantics via Supervision: A
Survey [34.3339977386633]
低レベルの特徴と画像の意味的意味のセマンティックなギャップは、数十年にわたって知られている。
セマンティックギャップは、主に今日の教師あり学習によって橋渡しされている、と我々は主張する。
論文 参考訳(メタデータ) (2021-07-29T05:55:40Z) - Learning Zero-Shot Multifaceted Visually Grounded Word Embeddingsvia
Multi-Task Training [8.271859911016719]
言語基盤は、言語(例えば言葉)の象徴的な表現を外界の豊かな知覚的知識に結びつけることを目的としている。
本稿では,言語共起統計から得られる抽象的知識を,知覚情報を取得する過程で犠牲にしていると論じる。
論文 参考訳(メタデータ) (2021-04-15T14:49:11Z)
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。