論文の概要: STaCK: Sentence Ordering with Temporal Commonsense Knowledge

• arxiv url: http://arxiv.org/abs/2109.02247v1
• Date: Mon, 6 Sep 2021 05:29:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-08 01:37:13.587789
• Title: STaCK: Sentence Ordering with Temporal Commonsense Knowledge
• Title（参考訳）: STaCK: テンポラルコモンセンス知識による文順付け
• Authors: Deepanway Ghosal, Navonil Majumder, Rada Mihalcea, Soujanya Poria
• Abstract要約: 文順予測は、ランダムに順序付けられた文書中の文の正しい順序を見つけるタスクである。 本稿では,グラフニューラルネットワークと時間的コモンセンス知識に基づくフレームワークSTaCKを紹介する。 その結果,提案手法が自然に順序予測に適していることが実証的に証明された。
• 参考スコア（独自算出の注目度）: 34.64198104134244
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Sentence order prediction is the task of finding the correct order of sentences in a randomly ordered document. Correctly ordering the sentences requires an understanding of coherence with respect to the chronological sequence of events described in the text. Document-level contextual understanding and commonsense knowledge centered around these events are often essential in uncovering this coherence and predicting the exact chronological order. In this paper, we introduce STaCK -- a framework based on graph neural networks and temporal commonsense knowledge to model global information and predict the relative order of sentences. Our graph network accumulates temporal evidence using knowledge of `past' and `future' and formulates sentence ordering as a constrained edge classification problem. We report results on five different datasets, and empirically show that the proposed method is naturally suitable for order prediction. The implementation of this work is publicly available at: https://github.com/declare-lab/sentence-ordering.
• Abstract（参考訳）: 文順予測は、ランダムに順序付けられた文書中の文の正しい順序を見つけるタスクである。 正しく文章を順序づけるには、テキストに記述された出来事の時系列に関する一貫性の理解が必要である。 これらの出来事を中心とした文書レベルの文脈理解と常識知識は、しばしばこの一貫性を解明し、正確な年代順を予測するのに不可欠である。 本稿では,グラフニューラルネットワークと時間的コモンセンス知識に基づくフレームワークであるSTaCKを導入し,グローバルな情報をモデル化し,文の相対順序を予測する。 グラフネットワークは,'past' と 'future' の知識を用いて時間的証拠を蓄積し,制約付きエッジ分類問題として文の順序付けを定式化する。 5つの異なるデータセットについて結果を報告するとともに,提案手法が順序予測に自然に適していることを実証的に示す。 この実装はhttps://github.com/declare-lab/sentence-orderingで公開されている。

関連論文リスト

• Surprise! Uniform Information Density Isn't the Whole Story: Predicting Surprisal Contours in Long-form Discourse [54.08750245737734]
  話者は、階層的に構造化された談話モデル内の位置に基づいて、情報率を変調する。 階層的予測器は談話の情報輪郭の重要な予測器であり,深い階層的予測器は浅い予測器よりも予測力が高いことがわかった。
  論文  参考訳（メタデータ） (2024-10-21T14:42:37Z)
• Learning-to-Rank Meets Language: Boosting Language-Driven Ordering Alignment for Ordinal Classification [60.28913031192201]
  順序分類のための新しい言語駆動順序付け手法を提案する。 事前学習された視覚言語モデルの最近の発展は、人間の言語におけるリッチな順序性を活用するきっかけとなった。 顔の年齢推定,ヒストリカルカラーイメージ(HCI)分類,美的評価を含む3つの日常的分類課題の実験は,その有望な性能を示す。
  論文  参考訳（メタデータ） (2023-06-24T04:11:31Z)
• Pruned Graph Neural Network for Short Story Ordering [0.7087237546722617]
  コヒーレンスを最大化する順序に文を整理することは、文の順序付けとして知られている。 そこで本研究では,文章間のエッジを生成するために,短い物語の文中心グラフを構築する手法を提案する。 また,代名詞を代名詞の代名詞に置き換えることによって,文中心性グラフの文を効果的にエンコードすることが観察された。
  論文  参考訳（メタデータ） (2022-03-13T22:25:17Z)
• Improving Graph-based Sentence Ordering with Iteratively Predicted Pairwise Orderings [38.91604447717656]
  本稿では,2つの分類器を導入し,グラフに基づく文順序付けのためのペア順序付けを効果的に活用する新しい文順序付けフレームワークを提案する。 本モデルは,BERTとFHDecoderを搭載した場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-10-13T02:18:16Z)
• Using BERT Encoding and Sentence-Level Language Model for Sentence Ordering [0.9134244356393667]
  本稿では,短い記事のコーパスにおける文順序付けのアルゴリズムを提案する。 提案手法では,アテンション機構を用いて文の依存関係をキャプチャするUniversal Transformer (UT) に基づく言語モデルを用いる。 提案モデルには文、言語モデル、Brute Force Searchによる文配列の3つのコンポーネントが含まれている。
  論文  参考訳（メタデータ） (2021-08-24T23:03:36Z)
• Reformulating Sentence Ordering as Conditional Text Generation [17.91448517871621]
  文順序フレームワークであるReorder-BART(RE-BART)を紹介します。 タスクを条件付きテキスト-マーカー生成設定として再構成します。 私たちのフレームワークは、Perfect Match Ratio(PMR)とKendallのtau($tau$)メトリックの6つのデータセットにわたる最先端のパフォーマンスを実現します。
  論文  参考訳（メタデータ） (2021-04-14T18:16:47Z)
• Neural Sentence Ordering Based on Constraint Graphs [32.14555157902546]
  文順序付けは、正しい順序で文のリストを整理することを目的としている。 文間の多粒性順序に基づく新しいアプローチを考案する。 これらの順序は複数の制約グラフを形成し、グラフ同型ネットワークによって符号化され、文表現に融合される。
  論文  参考訳（メタデータ） (2021-01-27T02:53:10Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)
• Topological Sort for Sentence Ordering [133.05105352571715]
  本稿では,この課題を制約解決問題として新たなフレーミングを提案し,その解決のための新しい手法を提案する。 4つの異なるデータセットにまたがる自動測定と人的計測の結果から、この新しい手法は文書のコヒーレンスを捉えるのに優れていることが分かる。
  論文  参考訳（メタデータ） (2020-05-01T15:07:59Z)

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。