Fugu-MT 論文翻訳(概要): Splitting EUD graphs into trees: A quick and clatty approach

論文の概要: Splitting EUD graphs into trees: A quick and clatty approach

arxiv url: http://arxiv.org/abs/2106.13155v1
Date: Thu, 24 Jun 2021 16:28:55 GMT
ステータス: 処理完了
システム内更新日: 2021-06-25 15:09:36.138262
Title: Splitting EUD graphs into trees: A quick and clatty approach
Title（参考訳）: EUDグラフを木に分割する - 迅速かつクラッチなアプローチ
Authors: Mark Anderson and Carlos G\'omez Rodr\'iguez
Abstract要約: We present the system submit for the EUD Shared Task at IWPT 2021。本システムは,言語基準に基づいて,EUDグラフを複数の木に分割する。結果は比較的低かったが、完全な災害ではなかったため、磨くことで改善される可能性がある。
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 present the system submission from the FASTPARSE team for the EUD Shared Task at IWPT 2021. We engaged in the task last year by focusing on efficiency. This year we have focused on experimenting with new ideas on a limited time budget. Our system is based on splitting the EUD graph into several trees, based on linguistic criteria. We predict these trees using a sequence-labelling parser and combine them into an EUD graph. The results were relatively poor, although not a total disaster and could probably be improved with some polishing of the system's rough edges.
Abstract（参考訳）: We present the system submit from the FASTPARSE team for the EUD Shared Task at IWPT 2021。私たちは昨年、効率性に焦点を当ててその仕事に携わった。今年は、限られた時間予算で新しいアイデアを試すことに注力しました。本システムは,言語基準に基づいて,EUDグラフを複数の木に分割する。これらの木をシーケンシャルラベル構文解析器を用いて予測し, eud グラフに合成する。結果は比較的貧弱であったが、完全な災害ではなかったため、システムの粗い端を磨くことで改善できたと考えられる。

関連論文リスト

Joint Optimization of Piecewise Linear Ensembles [11.34717731050474]
ツリーアンサンブルは多くの予測タスクで最先端のパフォーマンスを達成する。我々は$textbfJ$oint $textbfO$ptimization of $textbfL$inear $textbfEn$sembles (JOPLEn)を提案する。 JOPLEnは、スパーシティ・プロモーティングや部分空間ノルムを含むいくつかの一般的な罰則を非線形予測に適用することを許している。
論文参考訳（メタデータ） (2024-05-01T03:59:06Z)
End-to-end Feature Selection Approach for Learning Skinny Trees [13.388576838688202]
木アンサンブルにおける特徴選択のための最適化に基づく新しい手法を提案する。 Skinny Treesは、ツリーアンサンブルの機能選択のためのエンドツーエンドツールキットである。
論文参考訳（メタデータ） (2023-10-28T00:15:10Z)
Tree-Planner: Efficient Close-loop Task Planning with Large Language Models [63.06270302774049]
Tree-Plannerは、大きな言語モデルでタスクプランニングを3つの異なるフェーズに再構成する。 Tree-Plannerは高い効率を維持しながら最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-10-12T17:59:50Z)
Unsupervised and Few-shot Parsing from Pretrained Language Models [56.33247845224995]
本研究では,事前学習言語モデルで学習した自己注意重み行列に基づいて,アウトアソシエーションスコアを算出した教師なし構成的パーシングモデルを提案する。教師なしモデルからいくつかの注釈付き木を用いた数ショット構文解析モデルに拡張し、解析のためのより優れた線形射影行列を学習する。 FPIOは20本の注釈付き木で訓練され、50本の注釈付き木で訓練された過去の数枚の構文解析よりも優れていた。
論文参考訳（メタデータ） (2022-06-10T10:29:15Z)
Social Interpretable Tree for Pedestrian Trajectory Prediction [75.81745697967608]
本稿では,このマルチモーダル予測課題に対処するため,SIT(Social Interpretable Tree)と呼ばれる木に基づく手法を提案する。木の根から葉までの経路は、個々の将来の軌跡を表す。 ETH-UCYとStanford Droneのデータセットによる実験結果からは,手作り木にもかかわらず,我々の手法が最先端の手法の性能に適合または超えることを示した。
論文参考訳（メタデータ） (2022-05-26T12:18:44Z)
Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation [141.16965264264195]
Sparsely Annotated semantic segmentation (SASS) は、粗い粒度の監督によるセグメンテーションネットワークのトレーニングを目的としている。ラベルなし画素のセマンティックガイダンスを提供することにより,SASSの新たなツリーエネルギー損失を提案する。
論文参考訳（メタデータ） (2022-03-21T05:16:23Z)
Complex Event Forecasting with Prediction Suffix Trees: Extended Technical Report [70.7321040534471]
複合イベント認識(CER)システムは、イベントのリアルタイムストリーム上のパターンを"即時"検出する能力によって、過去20年間に人気が高まっている。このような現象が実際にCERエンジンによって検出される前に、パターンがいつ発生するかを予測する方法が不足している。複雑なイベント予測の問題に対処しようとする形式的なフレームワークを提案する。
論文参考訳（メタデータ） (2021-09-01T09:52:31Z)
EXPLAINABOARD: An Explainable Leaderboard for NLP [69.59340280972167]
ExplainaBoardはNLP評価の新たな概念化と実装である。研究者は(i)一つのシステムの強みと弱さを診断し、(ii)複数のシステム間の関係を解釈することができる。
論文参考訳（メタデータ） (2021-04-13T17:45:50Z)
The ADAPT Enhanced Dependency Parser at the IWPT 2020 Shared Task [12.226699055857182]
本稿では,2020 IWPT共有タスクのためのADAPTシステムについて述べる。 UDPipe と UDPipe-Future を用いたパイプラインアプローチを実装し,初期アノテーションのレベルを提供する。ほとんどの言語では、強化された依存関係を解析するタスクにセマンティックな依存関係をうまく適用することができる。
論文参考訳（メタデータ） (2020-09-03T14:43:04Z)
Efficient Constituency Parsing by Pointing [21.395573911155495]
本稿では,解析問題を一連のポインティングタスクにキャストする新しい選挙区解析モデルを提案する。我々のモデルは効率的なトップダウンデコーディングをサポートしており、我々の学習目的は、高価なCKY推論に頼ることなく、構造的一貫性を強制することができる。
論文参考訳（メタデータ） (2020-06-24T08:29:09Z)
Efficient EUD Parsing [5.414308305392762]
We present the system submit from the FASTPARSE team for the EUD Shared Task at IWPT 2020。私たちのモデルは、蒸留されたニューラルネットワークと、UDツリーをEUDグラフに投影するルールベースのシステムの組み合わせです。
論文参考訳（メタデータ） (2020-06-01T10:31:56Z)

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。