Fugu-MT 論文翻訳(概要): Argument Linking: A Survey and Forecast

論文の概要: Argument Linking: A Survey and Forecast

arxiv url: http://arxiv.org/abs/2107.08523v1
Date: Sun, 18 Jul 2021 19:28:20 GMT
ステータス: 処理完了
システム内更新日: 2021-07-21 02:04:04.000028
Title: Argument Linking: A Survey and Forecast
Title（参考訳）: 議論のリンク:調査と予測
Authors: William Gantt
Abstract要約: 近年では暗黙的な意味的役割のラベル付けや議論のリンクが注目されている。本稿では、議論リンクに関する文献を調査し、既存のアプローチのいくつかの顕著な欠点を同定する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Semantic role labeling (SRL) -- identifying the semantic relationships between a predicate and other constituents in the same sentence -- is a well-studied task in natural language understanding (NLU). However, many of these relationships are evident only at the level of the document, as a role for a predicate in one sentence may often be filled by an argument in a different one. This more general task, known as implicit semantic role labeling or argument linking, has received increased attention in recent years, as researchers have recognized its centrality to information extraction and NLU. This paper surveys the literature on argument linking and identifies several notable shortcomings of existing approaches that indicate the paths along which future research effort could most profitably be spent.
Abstract（参考訳）: 意味的役割ラベリング(srl) -- 述語と他の文の構成要素間の意味的関係を識別する -- は、自然言語理解(nlu)においてよく研究されているタスクである。しかしながら、これらの関係の多くは文書のレベルでのみ明らかであり、ある文における述語の役割は、しばしば別の文における議論によって満たされる。このより一般的なタスクは暗黙的な意味的役割ラベリングや引数リンクとして知られるが、近年、研究者が情報抽出とnluへの中心性を認識しているため、注目を集めている。本稿では,議論のリンクに関する文献を調査し,今後の研究に最も利益が期待できる道筋を示す既存アプローチのいくつかの顕著な欠点を明らかにする。

関連論文リスト

Explaining Relationships Among Research Papers [14.223038413516685]
本稿では,よりリッチな引用テキストを生成するための機能ベースのLLMプロンプト手法を提案する。人間の好みと統合的書き方の間には強い相関関係がみられ,高いレベルの抽象的引用を好むことが示唆された。
論文参考訳（メタデータ） (2024-02-20T23:38:39Z)
Igniting Language Intelligence: The Hitchhiker's Guide From Chain-of-Thought Reasoning to Language Agents [80.5213198675411]
大規模言語モデル(LLM)は言語知能の分野を劇的に拡張した。 LLMは興味をそそるチェーン・オブ・シークレット(CoT)推論技術を活用し、答えを導き出す途中の中間ステップを定式化しなければならない。最近の研究は、自律言語エージェントの開発を促進するためにCoT推論手法を拡張している。
論文参考訳（メタデータ） (2023-11-20T14:30:55Z)
A Comprehensive Survey of Document-level Relation Extraction (2016-2023) [3.0204640945657326]
文書レベルの関係抽出(DocRE)は自然言語処理(NLP)研究の活発な領域である本稿では,この分野における最近の進歩を包括的に概観し,文レベルの関係抽出と比較して,その適用方法の相違点を明らかにすることを目的とする。
論文参考訳（メタデータ） (2023-09-28T12:43:32Z)
Exploring Non-Verbal Predicates in Semantic Role Labeling: Challenges and Opportunities [40.46449855403553]
非言語述語は、セマンティック・ロール・ラベルリングの進捗を測るのによく使われるベンチマークに現れます。我々は、最先端のシステムは、異なる述語型間で知識を伝達することができないことを示した。本稿では, 動詞, 名詞, 形容詞の述語構造に等しく重要性を持たせるために, 手書きの課題セットを提案する。
論文参考訳（メタデータ） (2023-07-04T18:28:59Z)
Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
論文参考訳（メタデータ） (2021-06-23T13:24:39Z)
Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
論文参考訳（メタデータ） (2021-06-02T06:49:19Z)
High-order Semantic Role Labeling [86.29371274587146]
本稿では,ニューラルセマンティックロールラベリングモデルのための高階グラフ構造を提案する。これにより、モデルは孤立述語-引数対だけでなく、述語-引数対間の相互作用も明示的に考慮することができる。 CoNLL-2009ベンチマークの7つの言語に対する実験結果から、高次構造学習技術は強力なSRLモデルに有益であることが示された。
論文参考訳（メタデータ） (2020-10-09T15:33:54Z)
A Survey of Unsupervised Dependency Parsing [62.16714720135358]
教師なしの依存関係解析は、正しいパースツリーのアノテーションを持たない文から依存関係を学ぶことを目的としている。その困難さにもかかわらず、教師なしの構文解析は、ほとんど無制限に注釈のないテキストデータを利用することができるため、興味深い研究方向である。
論文参考訳（メタデータ） (2020-10-04T10:51:22Z)
Refining Implicit Argument Annotation for UCCA [6.873471412788333]
本稿では,Universal Cognitive Conceptualの基盤層上に暗黙的アノテーションを具体化するためのタイポロジーを提案する。提案された暗黙的な議論分類は暗黙的な役割解釈の理論によって駆動され、Deictic, Generic, Genre-based, Type-identible, Non-specific, Iterated-setの6つのタイプから構成される。
論文参考訳（メタデータ） (2020-05-26T17:24:15Z)
Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
論文参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。