論文の概要: Great Service! Fine-grained Parsing of Implicit Arguments

• arxiv url: http://arxiv.org/abs/2106.02561v1
• Date: Fri, 4 Jun 2021 15:50:35 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-07 18:37:26.025810
• Title: Great Service! Fine-grained Parsing of Implicit Arguments
• Title（参考訳）: 素晴らしいサービス! 暗黙的引数のきめ細かい解析
• Authors: Ruixiang Cui, Daniel Hershcovich
• Abstract要約: ある種の暗黙の議論は、他のものよりも解析するのが困難であることを示す。 この作業は、暗黙的かつ未特定な言語をより理解しやすくし、それを意味表現にホリスティックに組み込む。
• 参考スコア（独自算出の注目度）: 7.785534704637891
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Broad-coverage meaning representations in NLP mostly focus on explicitly expressed content. More importantly, the scarcity of datasets annotating diverse implicit roles limits empirical studies into their linguistic nuances. For example, in the web review "Great service!", the provider and consumer are implicit arguments of different types. We examine an annotated corpus of fine-grained implicit arguments (Cui and Hershcovich, 2020) by carefully re-annotating it, resolving several inconsistencies. Subsequently, we present the first transition-based neural parser that can handle implicit arguments dynamically, and experiment with two different transition systems on the improved dataset. We find that certain types of implicit arguments are more difficult to parse than others and that the simpler system is more accurate in recovering implicit arguments, despite having a lower overall parsing score, attesting current reasoning limitations of NLP models. This work will facilitate a better understanding of implicit and underspecified language, by incorporating it holistically into meaning representations.
• Abstract（参考訳）: NLPの広範囲表現は、主に明示的に表現されたコンテンツに焦点を当てている。 さらに重要なことに、多様な暗黙的な役割を示すデータセットの不足は、経験的な研究を言語的なニュアンスに制限する。 例えば、Webレビューの "Great Service! プロバイダとコンシューマは、異なるタイプの暗黙の引数です。 微粒な暗黙的議論(Cui and Hershcovich, 2020)の注釈付きコーパスを慎重に再注釈し,いくつかの矛盾を解消する。 その後、暗黙の引数を動的に処理できる最初のトランジションベースのニューラルパーサを提案し、改良されたデータセット上で2つの異なる遷移システムを試す。 ある種の暗黙的論証は他よりも解析が難しいことや、より単純なシステムが暗黙的論証を復元する上でより正確であることに気付き、全体の解析スコアが低いにもかかわらず、現在のNLPモデルの推論限界を証明している。 この作業は、暗黙的かつ未特定な言語をより理解しやすくし、それを意味表現にホリスティックに組み込む。

関連論文リスト

• Explaining Datasets in Words: Statistical Models with Natural Language Parameters [66.69456696878842]
  本稿では, クラスタリング, 時系列, 分類モデルなど, 自然言語の述語によってパラメータ化される統計モデル群を紹介する。 当社のフレームワークは、ユーザチャット対話の分類、時間の経過とともにどのように進化するかの特徴付け、一方の言語モデルが他方よりも優れているカテゴリを見つけることなど、幅広い問題に適用しています。
  論文  参考訳（メタデータ） (2024-09-13T01:40:20Z)
• Explicating the Implicit: Argument Detection Beyond Sentence Boundaries [24.728886446551577]
  本稿では,文境界を越えた意味的関係を捉えるために,文内包による議論検出の問題を再検討する。 本手法は直接監視を必要としないが,データセット不足のため一般的には欠落している。 近年の文書レベルのベンチマークでは、教師付き手法や現代言語モデルよりも優れています。
  論文  参考訳（メタデータ） (2024-08-08T06:18:24Z)
• Overview of PerpectiveArg2024: The First Shared Task on Perspective Argument Retrieval [56.66761232081188]
  本稿では,社会における少数派・多数派を代表する年齢,性別,政治的態度など,人口・社会文化(社会)の多様性を包括する新しいデータセットを提案する。 パースペクティビズムを取り入れる上での重大な課題は、特に社会的なプロファイルを明示的に提供せずに、議論のテキストのみに基づくパーソナライズを目指す場合である。 パーソナライズと分極の低減を図るため, パーソナライズを最適化するためには, パーソナライズされた論証検索をブートストラップするが, さらなる研究が不可欠である。
  論文  参考訳（メタデータ） (2024-07-29T03:14:57Z)
• Multi-resolution Interpretation and Diagnostics Tool for Natural Language Classifiers [0.0]
  本稿では,意味論的に相互に関連のある単語のセグメントやクラスタによって,よりフレキシブルなモデル説明可能性要約を作成することを目的とする。 さらに,NLPモデルの根本原因分析手法を提案し,各セグメントのFalse PositiveとFalse Negativeを解析した。
  論文  参考訳（メタデータ） (2023-03-06T22:59:02Z)
• SUN: Exploring Intrinsic Uncertainties in Text-to-SQL Parsers [61.48159785138462]
  本稿では,ニューラルネットワークに基づくアプローチ(SUN)における本質的な不確かさを探索することにより,テキストから依存への変換性能を向上させることを目的とする。 5つのベンチマークデータセットの大規模な実験により、我々の手法は競合より大幅に優れ、新しい最先端の結果が得られた。
  論文  参考訳（メタデータ） (2022-09-14T06:27:51Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)
• Aspect-Based Argument Mining [2.3148470932285665]
  Aspect-Based Argument Mining (ABAM) の課題として,Aspect Term extract (ATE) と Nested Term extract (NS) の基本的なサブタスクについて述べる。 私たちはアスペクトをメインポイント(s)引数ユニットが対処していると見なしています。 この情報は、議論のランク付け、議論の要約、生成などの下流タスクや、アスペクトレベルの逆問題探索に重要である。
  論文  参考訳（メタデータ） (2020-11-01T21:57:51Z)
• Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
  我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。 係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-05T17:27:31Z)
• Deep Learning for Abstract Argumentation Semantics [3.759936323189418]
  本稿では,いくつかの抽象的論証セマンティクスの下での議論の受け入れを決定するための学習に基づくアプローチを提案する。 本稿では,議論が受け入れられる確率を予測するために,メッセージパスアルゴリズムを学習する議論グラフニューラルネットワーク(AGNN)を提案する。
  論文  参考訳（メタデータ） (2020-07-15T11:37:28Z)
• Refining Implicit Argument Annotation for UCCA [6.873471412788333]
  本稿では,Universal Cognitive Conceptualの基盤層上に暗黙的アノテーションを具体化するためのタイポロジーを提案する。 提案された暗黙的な議論分類は暗黙的な役割解釈の理論によって駆動され、Deictic, Generic, Genre-based, Type-identible, Non-specific, Iterated-setの6つのタイプから構成される。
  論文  参考訳（メタデータ） (2020-05-26T17:24:15Z)
• Aspect-Controlled Neural Argument Generation [65.91772010586605]
  我々は、与えられたトピック、スタンス、アスペクトの文レベル引数を生成するために、きめ細かいレベルで制御できる引数生成のための言語モデルを訓練する。 評価の結果,我々の生成モデルは高品質なアスペクト特異的な議論を生成できることがわかった。 これらの議論は、データ拡張による姿勢検出モデルの性能向上と、逆問題の生成に使用できる。
  論文  参考訳（メタデータ） (2020-04-30T20:17:22Z)

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。