論文の概要: Improving Paraphrase Detection with the Adversarial Paraphrasing Task

• arxiv url: http://arxiv.org/abs/2106.07691v1
• Date: Mon, 14 Jun 2021 18:15:20 GMT
• ステータス: 処理完了
• システム内更新日: 2021-06-17 10:41:27.930700
• Title: Improving Paraphrase Detection with the Adversarial Paraphrasing Task
• Title（参考訳）: 逆パラフレーズタスクによるパラフレーズ検出の改善
• Authors: Animesh Nighojkar and John Licato
• Abstract要約: パラフレーズデータセットは現在、単語の重複と構文に基づくパラフレーズの感覚に依存している。 パラフレーズ識別のための新しいデータセット生成法: 逆パラフレーズ処理タスク(APT)について紹介する。 APTは参加者に意味論的に等価(相互に意味的)であるが、語彙的にも構文的にも異なるパラフレーズを生成するよう要求する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: If two sentences have the same meaning, it should follow that they are equivalent in their inferential properties, i.e., each sentence should textually entail the other. However, many paraphrase datasets currently in widespread use rely on a sense of paraphrase based on word overlap and syntax. Can we teach them instead to identify paraphrases in a way that draws on the inferential properties of the sentences, and is not over-reliant on lexical and syntactic similarities of a sentence pair? We apply the adversarial paradigm to this question, and introduce a new adversarial method of dataset creation for paraphrase identification: the Adversarial Paraphrasing Task (APT), which asks participants to generate semantically equivalent (in the sense of mutually implicative) but lexically and syntactically disparate paraphrases. These sentence pairs can then be used both to test paraphrase identification models (which get barely random accuracy) and then improve their performance. To accelerate dataset generation, we explore automation of APT using T5, and show that the resulting dataset also improves accuracy. We discuss implications for paraphrase detection and release our dataset in the hope of making paraphrase detection models better able to detect sentence-level meaning equivalence.
• Abstract（参考訳）: もし2つの文が同じ意味を持つならば、それらの推論的性質、すなわち、各文はテクスチャ的に他方を包含すべきである。 しかし、現在広く使われている多くのパラフレーズデータセットは、単語重複と構文に基づくパラフレーズ感覚に依存している。 文の推論的性質に頼り、文対の語彙的および構文的類似性に過度に依存しない方法でパラフレーズを識別できるように教えることができるか? 本稿では,この課題に逆説的パラダイムを適用し,また,語彙的・統語論的に異なる言い回しを参加者に生成させる,逆説的言い換え課題(APT)を新たに導入する。 これらの文ペアは、パラフレーズ識別モデル(ランダムな精度はほとんど得られない)をテストし、パフォーマンスを向上させるためにも使用できる。 データセット生成を高速化するため、T5を用いてAPTの自動化を検討し、得られたデータセットが精度も向上することを示す。 パラフレーズ検出モデルが文レベルの意味等価性をよりよく検出できるようにするために、パラフレーズ検出の意味を議論し、データセットをリリースする。

関連論文リスト

• Spotting AI's Touch: Identifying LLM-Paraphrased Spans in Text [61.22649031769564]
  我々は、新しいフレームワーク、パラフレーズテキストスパン検出(PTD)を提案する。 PTDは、テキスト内でパラフレーズ付きテキストを識別することを目的としている。 パラフレーズ付きテキストスパン検出のための専用データセットであるPASTEDを構築した。
  論文  参考訳（メタデータ） (2024-05-21T11:22:27Z)
• Span-Aggregatable, Contextualized Word Embeddings for Effective Phrase Mining [0.22499166814992438]
  目的語句が雑音の多い文脈内に存在する場合, 単語の完全文を1つの高次ベクトルで表すだけでは, 効果的な句検索には不十分であることを示す。 本稿では,この手法がフレーズマイニングに有用であるが,有用なスパン表現を得るためには,かなりの計算が必要であることを示す。
  論文  参考訳（メタデータ） (2024-05-12T12:08:05Z)
• Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
  このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。 これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-29T16:24:01Z)
• ParaAMR: A Large-Scale Syntactically Diverse Paraphrase Dataset by AMR Back-Translation [59.91139600152296]
  ParaAMRは、抽象的な表現のバックトランスレーションによって生成される、大規模な構文的に多様なパラフレーズデータセットである。 そこで本研究では,ParaAMRを用いて文の埋め込み学習,構文的に制御されたパラフレーズ生成,数ショット学習のためのデータ拡張という,3つのNLPタスクを改善することができることを示す。
  論文  参考訳（メタデータ） (2023-05-26T02:27:33Z)
• Using Paraphrases to Study Properties of Contextual Embeddings [46.84861591608146]
  我々は、コンテキスト化された埋め込みを分析するために、独自のデータソースとしてパラフレーズを使用します。 パラフレーズは自然に一貫した単語やフレーズのセマンティクスを符号化するため、埋め込みの性質を調査するためのユニークなレンズを提供する。 文脈埋め込みは多文語を効果的に扱うが、多くの場合、驚くほど異なる表現を与える。
  論文  参考訳（メタデータ） (2022-07-12T14:22:05Z)
• Semantic Search as Extractive Paraphrase Span Detection [0.8137055256093007]
  探索タスクをパラフレーズスパン検出としてフレーミングすることで意味探索の問題を解決した。 フィンランドのパラフレーズペア10万個を手作業で抽出したトゥルクパラフレーズコーパスでは,このパラフレーズスパン検出モデルが2つの強力な検索ベースラインを上回っていることが判明した。 本稿では,手動で注釈付けされたパラフレーズリソースが利用できない言語に適した,バックトランスレーションによる人工パラフレーズデータ作成手法を提案する。
  論文  参考訳（メタデータ） (2021-12-09T13:16:42Z)
• Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
  画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。 提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-04-20T17:56:24Z)
• R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
  文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。 最初にBERTを使用して、グローバルな視点から入力文をエンコードします。 次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。 関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
  論文  参考訳（メタデータ） (2020-12-16T13:11:30Z)
• Delexicalized Paraphrase Generation [7.504832901086077]
  パラフレーズ化のためのニューラルモデルを提案し,デレクシカル化文を生成するよう訓練する。 我々は、各入力に複数の参照パラフレーズをペア付けしたトレーニングデータを作成することで、これを実現する。 生成したパラフレーズが高品質であることが実証的に示され, 実発話における1.29%の正確な一致が得られた。
  論文  参考訳（メタデータ） (2020-12-04T18:28:30Z)
• Revisiting Paraphrase Question Generator using Pairwise Discriminator [25.449902612898594]
  文レベルの埋め込みを得るための新しい手法を提案する。 提案手法は, 意味的埋め込みを行い, パラフレーズ生成および感情分析タスクにおける最先端技術よりも優れる。
  論文  参考訳（メタデータ） (2019-12-31T02:46:29Z)

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。