Fugu-MT 論文翻訳(概要): Probabilistic, Structure-Aware Algorithms for Improved Variety, Accuracy, and Coverage of AMR Alignments

論文の概要: Probabilistic, Structure-Aware Algorithms for Improved Variety, Accuracy, and Coverage of AMR Alignments

arxiv url: http://arxiv.org/abs/2106.06002v1
Date: Thu, 10 Jun 2021 18:46:32 GMT
ステータス: 処理完了
システム内更新日: 2021-06-15 08:33:26.102782
Title: Probabilistic, Structure-Aware Algorithms for Improved Variety, Accuracy, and Coverage of AMR Alignments
Title（参考訳）: amrアライメントの多様性、精度、範囲を改善する確率的構造認識アルゴリズム
Authors: Austin Blodgett and Nathan Schneider
Abstract要約: 本稿では,抽象的意味表現(AMR)の成分を英文で並べるアルゴリズムを提案する。教師なし学習をグラフと組み合わせて活用し、前回のAMRから両世界を最大限に活用する。提案手法は,従来考えられていたより多様なAMRサブ構造を網羅し,ノードとエッジのより高いカバレッジを実現し,精度の高いAMRサブ構造を実現する。
参考スコア（独自算出の注目度）: 9.74672460306765
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present algorithms for aligning components of Abstract Meaning Representation (AMR) graphs to spans in English sentences. We leverage unsupervised learning in combination with heuristics, taking the best of both worlds from previous AMR aligners. Our unsupervised models, however, are more sensitive to graph substructures, without requiring a separate syntactic parse. Our approach covers a wider variety of AMR substructures than previously considered, achieves higher coverage of nodes and edges, and does so with higher accuracy. We will release our LEAMR datasets and aligner for use in research on AMR parsing, generation, and evaluation.
Abstract（参考訳）: 本稿では,抽象的意味表現(AMR)グラフの成分を英文で表すアルゴリズムを提案する。我々は、教師なし学習とヒューリスティックスを組み合わせて、以前のAMR調整器から両方の世界を最大限に活用する。しかし、我々の教師なしモデルは、個別の構文解析を必要とせず、グラフのサブ構造に敏感である。提案手法は,従来検討したよりも幅広いamrサブストラクチャをカバーし,ノードやエッジのカバー率を高め,高い精度で実現している。我々は、AMR解析、生成、評価の研究に使用するLEAMRデータセットと調整器をリリースする。

関連論文リスト

Hierarchical Indexing for Retrieval-Augmented Opinion Summarization [60.5923941324953]
本稿では,抽出アプローチの帰属性と拡張性と,大規模言語モデル(LLM)の一貫性と拡散性を組み合わせた,教師なし抽象的意見要約手法を提案する。我々の方法であるHIROは、意味的に整理された離散的な階層を通して文を経路にマッピングするインデックス構造を学習する。推測時にインデックスを投入し、入力レビューから人気意見を含む文群を識別し、検索する。
論文参考訳（メタデータ） (2024-03-01T10:38:07Z)
AMR Parsing with Causal Hierarchical Attention and Pointers [54.382865897298046]
因果的階層的注意とポインタ機構を備えた新しいAMR解析と新しいモデルCHAPを導入する。実験の結果, 5つのベンチマークのうち4つのベースラインモデルでは, 追加データがない場合に, ベースラインモデルよりも優れた結果が得られた。
論文参考訳（メタデータ） (2023-10-18T13:44:26Z)
Leveraging Denoised Abstract Meaning Representation for Grammatical Error Correction [53.55440811942249]
文法的誤り訂正(英: Grammatical Error Correction, GEC)とは、誤りのある文を文法的に正しい、意味的に一貫性のある、一貫性のある文に修正する作業である。本稿では,AMRを付加知識として組み込んだSeq-to-seqモデルであるAMR-GECを提案する。
論文参考訳（メタデータ） (2023-07-05T09:06:56Z)
AMRs Assemble! Learning to Ensemble with Autoregressive Models for AMR Parsing [38.731641198934646]
アンサンブルモデルがSMATCH計量の弱点を利用してより高いスコアを得る方法を示すが、時にグラフが破損することがある。本稿では,トランスフォーマーモデルに基づく2つの新しいアンサンブル戦略を提案する。
論文参考訳（メタデータ） (2023-06-19T08:58:47Z)
An AMR-based Link Prediction Approach for Document-level Event Argument Extraction [51.77733454436013]
文書レベルのイベント調停抽出(文書レベルEAE)のための抽象的意味表現(AMR)を導入した最近の研究動向本研究では,AEをAMRグラフ上のリンク予測問題として再検討する。本稿では,より少ない情報量のサブグラフやエッジタイプを圧縮し,スパン情報を統合し,同じ文書内の事象をハイライトする新たなグラフ構造であるTalored AMR Graph(TAG)を提案する。
論文参考訳（メタデータ） (2023-05-30T16:07:48Z)
Inducing and Using Alignments for Transition-based AMR Parsing [51.35194383275297]
複雑なパイプラインに依存することなくノード間アライメントを学習するAMRのためのニューラルアライメント器を提案する。我々は,AMR3.0のビームサーチを必要とせず,銀のトレーニングされた性能に適合する,金のみのトレーニングモデルのための新しい最先端技術を得た。
論文参考訳（メタデータ） (2022-05-03T12:58:36Z)
DocAMR: Multi-Sentence AMR Representation and Evaluation [19.229112468305267]
統合グラフ表現を導出するための単純なアルゴリズムを導入し、過剰なマージによる情報損失の落とし穴や、アンダーマージによる一貫性の欠如を回避した。また、AMRとコア参照分解システムを組み合わせたパイプラインアプローチを提案し、将来の研究の強力なベースラインを提供する。
論文参考訳（メタデータ） (2021-12-15T22:38:26Z)
Ensembling Graph Predictions for AMR Parsing [28.625065956013778]
多くの機械学習タスクでは、モデルはグラフのような構造データを予測するために訓練される。本研究では,この問題を,グラフ予測の収集によって最も支持される最大のグラフのマイニングとして定式化する。提案手法は、最先端のAMRの強度を組み合わせることで、5つの標準ベンチマークデータセットのどのモデルよりも精度の高い新しい予測を作成できることを示す。
論文参考訳（メタデータ） (2021-10-18T09:35:39Z)
A Differentiable Relaxation of Graph Segmentation and Alignment for AMR Parsing [75.36126971685034]
我々は、アライメントとセグメンテーションをモデルの潜在変数として扱い、エンドツーエンドのトレーニングの一部としてそれらを誘導する。また,AMRの個々の構造を扱うために手作りされたLyu2018AMRPAのセグメンテーションルールに依存するモデルにもアプローチした。
論文参考訳（メタデータ） (2020-10-23T21:22:50Z)
Improving AMR Parsing with Sequence-to-Sequence Pre-training [39.33133978535497]
本稿では,Sequence-to-Sequence (seq2seq) AMR解析に焦点を当てる。単体および関節の両方で事前学習モデルを構築するために,Seq2seq事前学習手法を提案する。実験の結果,シングルモデルとジョイントモデルの両方で性能が有意に向上した。
論文参考訳（メタデータ） (2020-10-05T04:32:47Z)
GPT-too: A language-model-first approach for AMR-to-text generation [22.65728041544785]
本稿では,事前学習型言語モデルとサイクル整合性に基づく再描画を併用したアプローチを提案する。アプローチの単純さにもかかわらず、実験結果は、これらのモデルが過去のすべての手法より優れていることを示している。
論文参考訳（メタデータ） (2020-05-18T22:50:26Z)

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。