Fugu-MT 論文翻訳(概要): Combining (second-order) graph-based and headed span-based projective dependency parsing

論文の概要: Combining (second-order) graph-based and headed span-based projective dependency parsing

arxiv url: http://arxiv.org/abs/2108.05838v1
Date: Thu, 12 Aug 2021 16:42:00 GMT
ステータス: 処理完了
システム内更新日: 2021-08-13 18:18:06.785516
Title: Combining (second-order) graph-based and headed span-based projective dependency parsing
Title（参考訳）: グラフベースと方向スパンベースの射影的依存性解析を組み合わせる
Authors: Songlin Yang, Kewei Tu
Abstract要約: citetyang2021headedは、先頭のスパンベースの方法を提案する。どちらもすべての可能な木をスコアし、世界で最も高いスコア木を見つける。本稿では,これらの2種類の手法を組み合わせて,共同推論のための動的プログラミングアルゴリズムを設計する。
参考スコア（独自算出の注目度）: 24.337440797369702
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Graph-based methods are popular in dependency parsing for decades. Recently, \citet{yang2021headed} propose a headed span-based method. Both of them score all possible trees and globally find the highest-scoring tree. In this paper, we combine these two kinds of methods, designing several dynamic programming algorithms for joint inference. Experiments show the effectiveness of our proposed methods\footnote{Our code is publicly available at \url{https://github.com/sustcsonglin/span-based-dependency-parsing}.}.
Abstract（参考訳）: グラフベースのメソッドは、数十年間の依存性解析で人気がある。最近 \citet{yang2021headed} は、方向付きスパンベースの方法を提案する。両者とも可能な全ての木を採点し、世界で最も高い木を見つける。本稿では,これらの2種類の手法を組み合わせて,共同推論のための動的プログラミングアルゴリズムを設計する。提案手法の有効性を示す実験は,<url{https://github.com/sustcsonglin/span-based-dependency-parsing}で公開されている。 }.

関連論文リスト

An Autoregressive Text-to-Graph Framework for Joint Entity and Relation Extraction [4.194768796374315]
条件付きシーケンス生成問題としてフレーミングすることで、非構造化テキストから結合エンティティと関係抽出を行う新しい手法を提案する。ノードがテキストスパンを表し、エッジが関係トリプレットを表す線形化グラフを生成する。本手法では,スパンと関係型の動的語彙にポインティング機構を付加したトランスフォーマーエンコーダデコーダアーキテクチャを用いる。
論文参考訳（メタデータ） (2024-01-02T18:32:14Z)
From Cluster Assumption to Graph Convolution: Graph-based Semi-Supervised Learning Revisited [51.24526202984846]
グラフベースの半教師付き学習(GSSL)は、長い間ホットな研究トピックだった。グラフ畳み込みネットワーク (GCN) は, 有望な性能を示す主要な技術となっている。
論文参考訳（メタデータ） (2023-09-24T10:10:21Z)
Hierarchical Multi-Instance Multi-Label Learning for Detecting Propaganda Techniques [12.483639681339767]
本稿では,記事中の全スパンを同時に分類するシンプルなRoBERTaモデルを提案する。決定木の各ノードに補助的な分類子を追加することで階層的なラベル依存を組み込む。我々のモデルは、クロスバリデーション設定で共有タスク勝利チームからモデルに対して2.47%のマイクロF1を絶対的に改善します。
論文参考訳（メタデータ） (2023-05-30T21:23:19Z)
SoftTreeMax: Policy Gradient with Tree Search [72.9513807133171]
我々は、ツリー検索をポリシー勾配に統合する最初のアプローチであるSoftTreeMaxを紹介します。 Atariでは、SoftTreeMaxが分散PPOと比較して、実行時のパフォーマンスを最大5倍向上させる。
論文参考訳（メタデータ） (2022-09-28T09:55:47Z)
Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
論文参考訳（メタデータ） (2021-09-01T08:24:02Z)
Headed Span-Based Projective Dependency Parsing [24.337440797369702]
本稿では,プロジェクティブ依存関係解析のための階層型スパンベース手法を提案する。我々はニューラルネットワークを使って、グローバルトレーニングと正確な推論を可能にする、新しい$O(n3)$の動的プログラミングアルゴリズムを設計する。
論文参考訳（メタデータ） (2021-08-10T15:27:47Z)
Dependency Parsing as MRC-based Span-Span Prediction [29.956515394820673]
依存関係解析のための高階メソッドは、依存ツリーのエッジが単語レベルではなくテキストスパン/サブツリーレベルで構築されるべきという問題に部分的には、完全には対処できない。本稿では,この問題に対処するための新しい依存関係解析手法を提案する。
論文参考訳（メタデータ） (2021-05-17T08:03:48Z)
Learnable Graph Matching: Incorporating Graph Partitioning with Deep Feature Learning for Multiple Object Tracking [58.30147362745852]
フレーム間のデータアソシエーションは、Multiple Object Tracking(MOT)タスクの中核にある。既存の手法は、主にトラックレットとフレーム内検出の間のコンテキスト情報を無視する。そこで本研究では,学習可能なグラフマッチング手法を提案する。
論文参考訳（メタデータ） (2021-03-30T08:58:45Z)
Span-based Semantic Parsing for Compositional Generalization [53.24255235340056]
SpanBasedSPは入力発話上のスパンツリーを予測し、部分的なプログラムが入力内のスパンをどのように構成するかを明示的に符号化する。 GeoQuery、SCAN、CLOSUREでは、SpanBasedSPはランダムスプリットの強いseq2seqベースラインと似ているが、構成一般化を必要とするスプリットのベースラインに比べて劇的に性能が向上する。
論文参考訳（メタデータ） (2020-09-13T16:42:18Z)
Modeling Graph Structure via Relative Position for Text Generation from Knowledge Graphs [54.176285420428776]
グラフ-テキスト生成のための新しいトランスフォーマーベースのエンコーダデコーダアーキテクチャであるGraformerを提案する。新たなグラフの自己アテンションでは、ノードのエンコーディングは入力グラフのすべてのノードに依存します。グレーフォーマーは、これらのノード-ノードの関係を異なるアテンションヘッドに対して異なる重み付けを学習し、入力グラフの異なる連結ビューを仮想的に学習する。
論文参考訳（メタデータ） (2020-06-16T15:20:04Z)
Universal Function Approximation on Graphs [0.0]
グラフ同型クラス上で普遍関数近似器を構築するためのフレームワークを作成する。これにより、4つのよく知られたデータセットで最先端のパフォーマンスを実現することができることを示す。
論文参考訳（メタデータ） (2020-03-14T21:12:33Z)

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。