論文の概要: A Modest Pareto Optimisation Analysis of Dependency Parsers in 2021

• arxiv url: http://arxiv.org/abs/2106.04216v2
• Date: Wed, 9 Jun 2021 09:48:21 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-10 10:51:10.763301
• Title: A Modest Pareto Optimisation Analysis of Dependency Parsers in 2021
• Title（参考訳）: 2021年における依存パーサーの控えめなパレート最適化分析
• Authors: Mark Anderson and Carlos G\'omez Rodr\'iguez
• Abstract要約: 異なるパラダイムの3つの主要な依存システムを、小さいが多様なサブセット言語上で評価する。 効率性に関心があるので、事前訓練された言語モデルなしでコアを評価する。 バイアス解析は、バランスの取れたデフォルト選択として現れる。
• 参考スコア（独自算出の注目度）: 0.38073142980733
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: We evaluate three leading dependency parser systems from different paradigms on a small yet diverse subset of languages in terms of their accuracy-efficiency Pareto front. As we are interested in efficiency, we evaluate core parsers without pretrained language models (as these are typically huge networks and would constitute most of the compute time) or other augmentations that can be transversally applied to any of them. Biaffine parsing emerges as a well-balanced default choice, with sequence-labelling parsing being preferable if inference speed (but not training energy cost) is the priority.
• Abstract（参考訳）: 我々は、異なるパラダイムの3つの主要な依存関係パーサシステムを、その精度と効率の面で、小さく多様な言語のサブセットで評価する。 効率性に関心があるので、事前訓練された言語モデル(通常は巨大なネットワークであり、ほとんどの計算時間を構成する)や、それらのいずれかにトランスバース的に適用可能な拡張を伴わないコアパーサを評価します。 バイアフィン解析はバランスの取れたデフォルト選択として現れ、推論速度(ただしエネルギーコストをトレーニングしない)が優先される場合にシーケンスラベリング解析が望ましい。

関連論文リスト

• ChatGPT is a Potential Zero-Shot Dependency Parser [5.726114645714751]
  事前訓練された言語モデルが、ゼロショットシナリオに付加的な構造を導入することなく、自発的に依存性解析の能力を発揮できるかどうかについては、未検討のままである。 本稿では,ChatGPTなどの大規模言語モデルの依存性解析能力について検討し,言語解析を行う。
  論文  参考訳（メタデータ） (2023-10-25T14:08:39Z)
• Optimal Transport Posterior Alignment for Cross-lingual Semantic Parsing [68.47787275021567]
  言語間のセマンティックパーシングは、高いソース言語(例えば英語)から少ないトレーニングデータを持つ低リソース言語へのパーシング能力を伝達する。 そこで本稿では,最適輸送を用いた係り受け変数間の言語間相違を明示的に最小化することで,言語間セマンティック解析のための新しい手法を提案する。
  論文  参考訳（メタデータ） (2023-07-09T04:52:31Z)
• A Simple and Strong Baseline for End-to-End Neural RST-style Discourse Parsing [44.72809363746258]
  本稿では,既存の単純な構文解析手法であるトップダウンとボトムアップと,トランスフォーマーに基づく事前学習言語モデルを統合することで,強力なベースラインを探求する。 2つのベンチマークデータセットから得られた実験結果は、解析性能が解析戦略よりも事前訓練された言語モデルに依存していることを示している。
  論文  参考訳（メタデータ） (2022-10-15T18:38:08Z)
• Compositional Generalization in Dependency Parsing [15.953482168182003]
  しかし、依存性には構成解析ベンチマークがない。 複合分散の増大は依存性性能を低下させるが、意味解析性能ほど劇的ではない。 最も難しい分割において、依存関係の低いパフォーマンスを駆動する多くの構文構造を特定します。
  論文  参考訳（メタデータ） (2021-10-13T16:32:24Z)
• Distributionally Robust Multilingual Machine Translation [94.51866646879337]
  本稿では,分散的ロバストな最適化に基づくMNMT(Multilingual Neural Machine Translation)の新しい学習目標を提案する。 この目的を,反復的最適応答方式を用いて,大規模翻訳コーパスに対して実用的に最適化する方法を示す。 本手法は,多対一の翻訳設定と多対多の翻訳設定の両方において,平均と言語毎のパフォーマンスにおいて,強いベースライン法より一貫して優れる。
  論文  参考訳（メタデータ） (2021-09-09T03:48:35Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• Fast semantic parsing with well-typedness guarantees [78.76675218975768]
  AM依存性解析は、複数のグラフバンクにまたがる高精度なニューラルセマンティック解析の原理的手法である。 A* と AM 依存解析の遷移ベースを記述し, 高い型付け性を確保し, 解析速度を最大 3 桁向上する。
  論文  参考訳（メタデータ） (2020-09-15T21:54:01Z)
• Modeling Voting for System Combination in Machine Translation [92.09572642019145]
  本稿では,機械翻訳におけるシステムの組み合わせに対する投票のモデル化手法を提案する。 提案手法は,仮説間の関係を解析できるだけでなく,エンドツーエンドのトレーニングを可能にするため,統計的手法とニューラル手法の利点を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-07-14T09:59:38Z)
• Towards Instance-Level Parser Selection for Cross-Lingual Transfer of Dependency Parsers [59.345145623931636]
  我々は、インスタンスレベルの選択(ILPS)という、新しい言語間移動パラダイムを論じる。 本稿では,デレキシライズドトランスファーの枠組みにおけるインスタンスレベルの選択に着目した概念実証研究を提案する。
  論文  参考訳（メタデータ） (2020-04-16T13:18:55Z)

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。