論文の概要: End-to-end Neural Information Status Classification

• arxiv url: http://arxiv.org/abs/2109.02753v1
• Date: Mon, 6 Sep 2021 21:44:11 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-09 01:43:25.606012
• Title: End-to-end Neural Information Status Classification
• Title（参考訳）: エンドツーエンドのニューラル情報ステータス分類
• Authors: Yufang Hou
• Abstract要約: 本稿では,情報ステータス分類のためのエンドツーエンドニューラルネットワークを提案する。 推測時間中、本システムは原文を入力として取り、情報ステータスとともに言及を生成する。 本システムは, 従来の最先端システムと比較して, ブリッジング・アナフォラ認識における競合的な結果を達成している。
• 参考スコア（独自算出の注目度）: 17.976752792350933
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Most previous studies on information status (IS) classification and bridging anaphora recognition assume that the gold mention or syntactic tree information is given (Hou et al., 2013; Roesiger et al., 2018; Hou, 2020; Yu and Poesio, 2020). In this paper, we propose an end-to-end neural approach for information status classification. Our approach consists of a mention extraction component and an information status assignment component. During the inference time, our system takes a raw text as the input and generates mentions together with their information status. On the ISNotes corpus (Markert et al., 2012), we show that our information status assignment component achieves new state-of-the-art results on fine-grained IS classification based on gold mentions. Furthermore, our system performs significantly better than other baselines for both mention extraction and fine-grained IS classification in the end-to-end setting. Finally, we apply our system on BASHI (Roesiger, 2018) and SciCorp (Roesiger, 2016) to recognize referential bridging anaphora. We find that our end-to-end system trained on ISNotes achieves competitive results on bridging anaphora recognition compared to the previous state-of-the-art system that relies on syntactic information and is trained on the in-domain datasets (Yu and Poesio, 2020).
• Abstract（参考訳）: 情報ステータス(IS)分類とブリッジング・アナフォラ認識に関するこれまでの研究は、金の言及や統語木に関する情報が与えられると推定している(Hou et al., 2013; Roesiger et al., 2018; Hou, 2020; Yu and Poesio, 2020)。 本稿では,情報ステータス分類のためのエンドツーエンドニューラルネットワークを提案する。 提案手法は,参照抽出コンポーネントと情報ステータス割り当てコンポーネントから構成される。 推測時間中,システムは生のテキストを入力として,情報ステータスとともに参照を生成する。 The ISNotes corpus (Markert et al., 2012), we show that our information status assignment component is a new-of-the-art results on fine-fine IS classification based on Gold mentions。 さらに,エンド・ツー・エンドの設定では,参照抽出と細粒度is分類の両方において,他のベースラインよりも有意に優れた性能を示す。 最後に,Bashi (Roesiger, 2018) とSciCorp (Roesiger, 2016) に本システムを適用し, 参照点検アナフォラを認識する。 我々は,ISNotesでトレーニングしたエンドツーエンドシステムは,構文情報に依存し,ドメイン内のデータセット(Yu and Poesio, 2020)に基づいてトレーニングされた従来の最先端システムと比較して,アナフォラ認識のブリッジングに関する競争的な結果が得られることを発見した。

関連論文リスト

• Like a Good Nearest Neighbor: Practical Content Moderation and Text Classification [66.02091763340094]
  LaGoNN(Good Nearest Neighbor)は、学習可能なパラメータを導入することなく、隣人の情報で入力テキストを変更するSetFitの変更である。 LaGoNNは望ましくないコンテンツやテキスト分類のフラグ付けに有効であり、SetFitのパフォーマンスを改善する。
  論文  参考訳（メタデータ） (2023-02-17T15:43:29Z)
• Distant finetuning with discourse relations for stance classification [55.131676584455306]
  そこで本研究では,定位分類のモデルとして,原文から銀ラベルでデータを抽出し,微調整する手法を提案する。 また,様々な段階において微調整に用いるデータのノイズレベルが減少する3段階のトレーニングフレームワークを提案する。 NLPCC 2021共有タスクArgumentative Text Understanding for AI Debaterでは,26の競合チームの中で1位にランクインした。
  論文  参考訳（メタデータ） (2022-04-27T04:24:35Z)
• Incorporating Constituent Syntax for Coreference Resolution [50.71868417008133]
  本稿では,構成構文構造をグラフベースで組み込む手法を提案する。 また、高次近傍情報を利用して構成木に富んだ構造をエンコードすることも検討する。 on the English and Chinese parts of OntoNotes 5.0 benchmark shows that our proposed model beats a strong baseline or a new-of-the-art performance。
  論文  参考訳（メタデータ） (2022-02-22T07:40:42Z)
• CIM: Class-Irrelevant Mapping for Few-Shot Classification [58.02773394658623]
  FSC(Few-shot Classification)は近年のホットな問題の一つである。 事前訓練されたFEMを評価する方法は、FSCコミュニティにおいて最も重要な焦点である。 CIM(Class-Irrelevant Mapping)と呼ばれるシンプルなフレキシブルな手法を提案する。
  論文  参考訳（メタデータ） (2021-09-07T03:26:24Z)
• Self-Supervised Detection of Contextual Synonyms in a Multi-Class Setting: Phenotype Annotation Use Case [11.912581294872767]
  文脈的単語埋め込みは文脈的同義語を検出する強力なツールである。 本研究では,浅部マッチングによって生成されたデータに基づいて,概念の文脈的同義性を検出できる自己教師付き事前学習手法を提案する。
  論文  参考訳（メタデータ） (2021-09-04T21:35:01Z)
• OntoGUM: Evaluating Contextualized SOTA Coreference Resolution on 12 More Genres [3.5420134832331325]
  本稿では、最新のニューラルLMベースのエンドツーエンドシステムがドメイン外において著しく劣化していることを示すデータセットと包括的評価を提供する。 OntoNotesライクなコア推論データセットOntoGUMを公開し、12のジャンルをカバーする英語コーパスであるGUMから変換し、決定論的ルールを用いて評価する。
  論文  参考訳（メタデータ） (2021-06-02T04:42:51Z)
• A Benchmark of Rule-Based and Neural Coreference Resolution in Dutch Novels and News [4.695687634290403]
  結果は、データ駆動システムと知識駆動システムの相対的な強みに関する洞察を与える。 ニューラルシステムはニュース/Wikipediaのテキストで、ルールベースのシステムは文学で、ベストに機能する。
  論文  参考訳（メタデータ） (2020-11-03T10:52:00Z)
• Fine-grained Information Status Classification Using Discourse Context-Aware BERT [10.81197069967052]
  本稿では,詳細な情報ステータスの分類を行うための,簡単な会話コンテキスト対応BERTモデルを提案する。 本モデルでは,IS分類の微粒化による新しい最先端性能を実現する。 また, アナフォラ認識のための10.5F1点の改善も示した。
  論文  参考訳（メタデータ） (2020-10-26T22:30:17Z)
• Neural Networks Enhancement with Logical Knowledge [83.9217787335878]
  関係データに対するKENNの拡張を提案する。 その結果、KENNは、存在関係データにおいても、基礎となるニューラルネットワークの性能を高めることができることがわかった。
  論文  参考訳（メタデータ） (2020-09-13T21:12:20Z)
• Rank over Class: The Untapped Potential of Ranking in Natural Language Processing [8.637110868126546]
  我々は、現在分類を用いて対処されている多くのタスクが、実際には分類モールドに切り替わっていると論じる。 本稿では,一対のテキストシーケンスの表現を生成するトランスフォーマーネットワークからなる新しいエンドツーエンドランキング手法を提案する。 重く歪んだ感情分析データセットの実験では、ランキング結果を分類ラベルに変換すると、最先端のテキスト分類よりも約22%改善する。
  論文  参考訳（メタデータ） (2020-09-10T22:18:57Z)
• Overview of the TREC 2019 Fair Ranking Track [65.15263872493799]
  TREC Fair Ranking トラックの目標は、異なるコンテンツプロバイダに対する公正性の観点から、検索システムを評価するベンチマークを開発することであった。 本稿では,タスク定義やデータ記述,アノテーションプロセスなどを含むトラックの概要について述べる。
  論文  参考訳（メタデータ） (2020-03-25T21:34:58Z)

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。