Fugu-MT 論文翻訳(概要): An enriched category theory of language: from syntax to semantics

論文の概要: An enriched category theory of language: from syntax to semantics

arxiv url: http://arxiv.org/abs/2106.07890v1
Date: Tue, 15 Jun 2021 05:40:51 GMT
ステータス: 処理完了
システム内更新日: 2021-06-16 15:09:23.594392
Title: An enriched category theory of language: from syntax to semantics
Title（参考訳）: 言語の強化されたカテゴリー理論:構文から意味論へ
Authors: Tai-Danae Bradley, John Terilla, Yiannis Vlassopoulos
Abstract要約: テキスト上の確率分布を単位区間に富んだカテゴリとしてモデル化する。次に,この統語的カテゴリーにおける単位区間値コプレシーブの豊富なカテゴリに渡して意味情報を求める。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Given a piece of text, the ability to generate a coherent extension of it implies some sophistication, including a knowledge of grammar and semantics. In this paper, we propose a mathematical framework for passing from probability distributions on extensions of given texts to an enriched category containing semantic information. Roughly speaking, we model probability distributions on texts as a category enriched over the unit interval. Objects of this category are expressions in language and hom objects are conditional probabilities that one expression is an extension of another. This category is syntactical: it describes what goes with what. We then pass to the enriched category of unit interval-valued copresheaves on this syntactical category to find semantic information.
Abstract（参考訳）: テキストが与えられたら、そのコヒーレントな拡張を生成する能力は、文法や意味論の知識を含む、ある程度の洗練を意味する。本稿では,与えられたテキストの拡張に関する確率分布から意味情報を含む拡張カテゴリへ渡す数学的枠組みを提案する。大まかに言えば、我々はテキストの確率分布を単位区間に富むカテゴリとしてモデル化する。このカテゴリのオブジェクトは言語の式であり、homオブジェクトは条件付き確率であり、ある式は別の式の拡張である。このカテゴリは構文的であり、何が何が起こっているかを記述する。次に,この統語的カテゴリーにおける単位区間値コプレシーブの豊富なカテゴリに渡して意味情報を求める。

関連論文リスト

AttrSeg: Open-Vocabulary Semantic Segmentation via Attribute Decomposition-Aggregation [33.25304533086283]
オープンボキャブラリセマンティックセグメンテーションは、推論時に新しいオブジェクトカテゴリをセグメンテーションする必要がある難しいタスクである。最近の研究では、この課題に対処するために視覚言語による事前訓練が検討されているが、現実的なシナリオでは非現実的な仮定に悩まされている。本研究は,新しい概念を理解する上で,人間の認知に触発された新しい属性分解集約フレームワークであるAttrSegを提案する。
論文参考訳（メタデータ） (2023-08-31T19:34:09Z)
Primitive Generation and Semantic-related Alignment for Universal Zero-Shot Segmentation [13.001629605405954]
本研究では, トレーニングサンプルを使わずに, 新規カテゴリのパノプティクス, 例えば, セマンティックセマンティックセマンティックセマンティックセマンティクスを実現するために, ユニバーサルゼロショットセマンティクスについて検討する。本稿では,意味空間と視覚空間を関連づけた未知のカテゴリの特徴を合成する生成モデルを提案する。提案手法は、ゼロショットパノプティクスのセグメンテーション、インスタンスセグメンテーション、セマンティックセグメンテーションにおける最先端性能を実現する。
論文参考訳（メタデータ） (2023-06-19T17:59:16Z)
Advancing Incremental Few-shot Semantic Segmentation via Semantic-guided Relation Alignment and Adaptation [98.51938442785179]
増分的な数ショットセマンティックセマンティックセマンティクスは、セマンティクスセマンティクスモデルを新しいクラスに漸進的に拡張することを目的としている。このタスクは、データ不均衡のため、ベースクラスと新しいクラスの間で深刻な意味認識の問題に直面します。本稿では,従来の意味情報のガイダンスを完全に考慮した意味誘導型関係調整適応法を提案する。
論文参考訳（メタデータ） (2023-05-18T10:40:52Z)
Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
論文参考訳（メタデータ） (2022-10-18T10:03:51Z)
Generalized Funnelling: Ensemble Learning and Heterogeneous Document Embeddings for Cross-Lingual Text Classification [78.83284164605473]
emphFunnelling (Fun)は、最近提案された言語間テキスト分類手法である。 Emph Generalized Funnelling (gFun) はFunの一般化である。 gFunは、Funや最先端のベースラインよりも大幅に改善されていることを示す。
論文参考訳（メタデータ） (2021-09-17T23:33:04Z)
Evaluating Word Embeddings with Categorical Modularity [0.0]
単語の埋め込み品質を評価するための新しい低リソース計量である分類的モジュラリティを導入する。我々は29言語で59の神経生物学的に動機付けられた意味カテゴリーに属する500語のコアセットを使用する。感情分析と単語類似度計算の単言語的タスクにおいて,分類的モジュラリティと性能との間には,中程度から強い正の相関関係が認められた。
論文参考訳（メタデータ） (2021-06-02T01:29:11Z)
Semantic Analysis for Automated Evaluation of the Potential Impact of Research Articles [62.997667081978825]
本稿では,情報理論に基づくテキスト意味のベクトル表現のための新しい手法を提案する。この情報意味論がLeicester Scientific Corpusに基づいてテキスト分類にどのように使用されるかを示す。テキストの意味を表現するための情報的アプローチは,研究論文の科学的影響を効果的に予測する方法であることを示す。
論文参考訳（メタデータ） (2021-04-26T20:37:13Z)
Language Modeling with Reduced Densities [0.0]
テキストのコーパスに見られるような有限アルファベットからの記号列が確率に富んだカテゴリを形成することを示す。次に、第2の根本的な疑問に対処する。この情報は、どのようにしてカテゴリ構造を保存する方法で保存され、モデル化されるのか?
論文参考訳（メタデータ） (2020-07-08T00:41:53Z)
Categorical Vector Space Semantics for Lambek Calculus with a Relevant Modality [3.345437353879255]
我々はLambek Calculusの分類的分布意味論を関連性付きで開発する。この圏を有限次元ベクトル空間と「量子化」関手を通して線型写像にインスタンス化する。 L*: パラサイト的ギャップを持つ句の導出を動機づける例に対して, カテゴリー的・具体的意味論的解釈を構築するために, モデルを適用した。
論文参考訳（メタデータ） (2020-05-06T18:58:21Z)
Latent Embedding Feedback and Discriminative Features for Zero-Shot Classification [139.44681304276]
ゼロショット学習は、トレーニング中にデータが利用できない、見えないカテゴリを分類することを目的としている。 Generative Adrial Networksは、クラス固有のセマンティック埋め込みを利用して、目に見えないクラス機能を合成する。我々は,ゼロショット学習のすべての段階において,意味的一貫性を強制することを提案する。
論文参考訳（メタデータ） (2020-03-17T17:34:16Z)
Don't Judge an Object by Its Context: Learning to Overcome Contextual Bias [113.44471186752018]
既存のモデルは、認識精度を向上させるために、オブジェクトとそのコンテキスト間の共起を利用することが多い。この研究は、学習した特徴表現の堅牢性を改善するために、そのような文脈バイアスに対処することに焦点を当てている。
論文参考訳（メタデータ） (2020-01-09T18:31:55Z)

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。