論文の概要: WiC = TSV = WSD: On the Equivalence of Three Semantic Tasks
- arxiv url: http://arxiv.org/abs/2107.14352v1
- Date: Thu, 29 Jul 2021 22:16:32 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-02 20:08:09.118702
- Title: WiC = TSV = WSD: On the Equivalence of Three Semantic Tasks
- Title（参考訳）: WiC = TSV = WSD: 3つの意味的タスクの等価性について
- Authors: Bradley Hauer, Grzegorz Kondrak
- Abstract要約: WiCタスクはNLPコミュニティでかなりの注目を集めている。
我々は、WiC、TSV、WSDの正確な関係を確立することを目指している。
セマンティック・タスクの理解は、理論計算機科学のツールを応用することで向上できると結論付けている。
- 参考スコア（独自算出の注目度）: 9.162936410696409
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: The WiC task has attracted considerable attention in the NLP community, as
demonstrated by the popularity of the recent MCL-WiC SemEval task. WSD systems
and lexical resources have been used for the WiC task, as well as for WiC
dataset construction. TSV is another task related to both WiC and WSD. We aim
to establish the exact relationship between WiC, TSV, and WSD. We demonstrate
that these semantic classification problems can be pairwise reduced to each
other, and so they are theoretically equivalent. We analyze the existing WiC
datasets to validate this equivalence hypothesis. We conclude that our
understanding of semantic tasks can be increased through the applications of
tools from theoretical computer science. Our findings also suggests that more
efficient and simpler methods for one of these tasks could be successfully
applied in the other two.
- Abstract（参考訳）: WiCタスクは、最近のMCL-WiC SemEvalタスクの人気が示すように、NLPコミュニティでかなりの注目を集めている。
WSDシステムと語彙資源はWiCタスクやWiCデータセット構築に使われてきた。
TSVはWiCとWSDの両方に関連する別のタスクです。
我々は、WiC、TSV、WSDの正確な関係を確立することを目指している。
これらのセマンティックな分類問題を相互に還元できることを実証し、理論的に等価であることを示す。
既存のwicデータセットを分析し,同値仮説を検証する。
意味的タスクに対する我々の理解は、理論計算機科学のツールの応用によって高まると結論づける。
また,これらのタスクに対してより効率的で簡単な方法が,他の2つでうまく適用できる可能性が示唆された。
関連論文リスト
- Exploiting Task Relationships for Continual Learning Using Transferability-Aware Task Embeddings [8.000144830397911]
連続学習(CL)は、ディープニューラルネットワークの現代的応用において重要なトピックである。
本稿では,H-embedding(H-embedding)という名前の伝達可能性を考慮したタスク埋め込みを提案し,その指導の下でハイパーネットをトレーニングし,CLタスクのタスク条件付きモデル重みを学習する。
論文 参考訳（メタデータ） (2025-02-17T09:52:19Z) - Vygotsky Distance: Measure for Benchmark Task Similarity [8.901863430257098]
本稿では,ベンチマークタスク間の類似性を計算するための理論的手法と実用的なアルゴリズムを提案する。
この類似度尺度の中核的な考え方は、タスク自体の特性ではなく、与えられたタスク上の「学生」の相対的なパフォーマンスに基づいていることである。
論文 参考訳（メタデータ） (2024-02-22T12:00:32Z) - Relational Multi-Task Learning: Modeling Relations between Data and
Tasks [84.41620970886483]
マルチタスク学習における主要な前提は、推論時にモデルが与えられたデータポイントにのみアクセスできるが、他のタスクからのデータポイントのラベルにはアクセスできないことである。
ここでは、補助的なタスクからデータポイントラベルを活用してより正確な予測を行う、新しいリレーショナルマルチタスク学習環境を提案する。
私たちはMetaLinkを開発し、そこではデータポイントとタスクを接続するナレッジグラフを構築します。
論文 参考訳（メタデータ） (2023-03-14T07:15:41Z) - "It's a Match!" -- A Benchmark of Task Affinity Scores for Joint
Learning [74.14961250042629]
MTL(Multi-Task Learning)は、その成功の条件を特徴づけることが、ディープラーニングにおいて依然としてオープンな問題である、と約束する。
共同学習におけるタスク親和性の推定は重要な取り組みである。
最近の研究は、訓練条件自体がMTLの結果に重大な影響を与えることを示唆している。
しかし,本研究では,タスク親和性評価手法の有効性を評価するためのベンチマークが欠落している。
論文 参考訳（メタデータ） (2023-01-07T15:16:35Z) - DenseMTL: Cross-task Attention Mechanism for Dense Multi-task Learning [18.745373058797714]
本稿では,相互に相互にタスクを交換するマルチタスク学習アーキテクチャを提案する。
我々は3つのマルチタスク・セットアップにまたがって広範な実験を行い、合成および実世界のベンチマークにおいて競合するベースラインと比較して、我々のアプローチの利点を示している。
論文 参考訳（メタデータ） (2022-06-17T17:59:45Z) - Sparsely Activated Mixture-of-Experts are Robust Multi-Task Learners [67.5865966762559]
本研究では,Mixture-of-Experts (MoE) がマルチタスク学習を改善するかを検討した。
タスク認識ゲーティング関数を考案し、異なるタスクから専門の専門家にサンプルをルーティングする。
これにより、多数のパラメータを持つ疎活性化マルチタスクモデルが得られるが、高密度モデルの計算コストは同じである。
論文 参考訳（メタデータ） (2022-04-16T00:56:12Z) - MultiTask-CenterNet (MCN): Efficient and Diverse Multitask Learning
using an Anchor Free Approach [0.13764085113103217]
マルチタスク学習は機械学習における一般的なアプローチである。
本稿では,複数の知覚関連タスクを同時に学習するためのCenterNetアンカーフリーアプローチを強化する。
論文 参考訳（メタデータ） (2021-08-11T06:57:04Z) - Learning to Relate Depth and Semantics for Unsupervised Domain
Adaptation [87.1188556802942]
教師なしドメイン適応(UDA)設定において,視覚的タスク関係を符号化してモデル性能を向上させる手法を提案する。
本稿では,意味的および深さ的予測のタスク依存性を符号化する新しいクロスタスク関係層(ctrl)を提案する。
さらに、セマンティック擬似ラベルを利用してターゲットドメインを監督する反復自己学習(ISL)トレーニングスキームを提案する。
論文 参考訳（メタデータ） (2021-05-17T13:42:09Z) - Exploring Relational Context for Multi-Task Dense Prediction [76.86090370115]
我々は,共通バックボーンと独立タスク固有のヘッドで表される,密集予測タスクのためのマルチタスク環境を考える。
マルチタスク設定では,グローバルやローカルなど,さまざまな注意に基づくコンテキストを探索する。
タスクペアごとに利用可能なすべてのコンテキストのプールをサンプリングするAdaptive Task-Relational Contextモジュールを提案する。
論文 参考訳（メタデータ） (2021-04-28T16:45:56Z) - A Taxonomy of Similarity Metrics for Markov Decision Processes [62.997667081978825]
近年、伝達学習は強化学習(RL)アルゴリズムをより効率的にすることに成功した。
本稿では,これらの指標を分類し,これまでに提案されている類似性の定義を分析する。
論文 参考訳（メタデータ） (2021-03-08T12:36:42Z)
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。