論文の概要: HypoGen: Hyperbole Generation with Commonsense and Counterfactual Knowledge

• arxiv url: http://arxiv.org/abs/2109.05097v1
• Date: Fri, 10 Sep 2021 20:19:52 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-18 20:19:12.364088
• Title: HypoGen: Hyperbole Generation with Commonsense and Counterfactual Knowledge
• Title（参考訳）: hypoGen: 常識と対実的知識を備えたハイパボラ生成
• Authors: Yufei Tian, Arvind krishna Sridhar, and Nanyun Peng
• Abstract要約: ハイパボールは意図的で創造的な誇張であり、文字通り取られるべきではない。 我々は,文レベルのハイパボラ生成の未探索かつ挑戦的な課題に取り組む。 我々の生成方法は、高い成功率と強度スコアで創造的に双曲を生成することができる。
• 参考スコア（独自算出の注目度）: 11.93269712166532
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: A hyperbole is an intentional and creative exaggeration not to be taken literally. Despite its ubiquity in daily life, the computational explorations of hyperboles are scarce. In this paper, we tackle the under-explored and challenging task: sentence-level hyperbole generation. We start with a representative syntactic pattern for intensification and systematically study the semantic (commonsense and counterfactual) relationships between each component in such hyperboles. Next, we leverage the COMeT and reverse COMeT models to do commonsense and counterfactual inference. We then generate multiple hyperbole candidates based on our findings from the pattern, and train neural classifiers to rank and select high-quality hyperboles. Automatic and human evaluations show that our generation method is able to generate hyperboles creatively with high success rate and intensity scores.
• Abstract（参考訳）: ハイパーボイル(hyperbole)とは、意図的で創造的な誇張である。 日常生活におけるユビキタスにもかかわらず、双曲の計算的な探索は少ない。 本稿では,文レベルのハイパーボラ生成という,未探索かつ困難な課題に取り組む。 まず,各コンポーネント間の意味的関係(常識的かつ反事実的)を,そのような双曲線の中で体系的に研究するための,代表的な構文パターンから始める。 次に、COMeTモデルと逆COMeTモデルを利用して、コモンセンスと反ファクト推論を行う。 次に,このパターンから複数のハイパボラ候補を生成し,ニューラルネットワーク分類器のランク付けと高品質なハイパボラの選択を訓練する。 自動評価と人間評価は, 高い成功率と強度スコアで創造的に双曲線を生成できることを示す。

関連論文リスト

• Hyperbolic Delaunay Geometric Alignment [52.835250875177756]
  双曲空間におけるデータセットの比較のための類似度スコアを提案する。 中心となる考え方は、与えられた集合をまたいだデータポイントを接続する双曲デラウネーグラフのエッジを数えることである。 人工および実生活の生物学的データに関する実証的研究を行い、HyperDGAが集合間の古典的距離の双曲バージョンより優れていることを示す。
  論文  参考訳（メタデータ） (2024-04-12T17:14:58Z)
• Hyperbolic vs Euclidean Embeddings in Few-Shot Learning: Two Sides of the Same Coin [49.12496652756007]
  この結果から, 共通の双曲半径での双曲埋め込みが達成できることが示唆された。 従来のベンチマーク結果とは対照的に、ユークリッド計量を備えた固定半径エンコーダにより、より良い性能が得られることを示す。
  論文  参考訳（メタデータ） (2023-09-18T14:51:46Z)
• Image Matters: A New Dataset and Empirical Study for Multimodal Hyperbole Detection [52.04083398850383]
  私たちはWeibo(中国のソーシャルメディア)からマルチモーダル検出データセットを作成します。 Weiboのテキストとイメージを2つのモダリティとして扱い、ハイパボラ検出におけるテキストとイメージの役割を探求する。 また、このダウンストリームタスクにおいて、事前訓練された異なるマルチモーダルエンコーダの評価を行い、その性能を示す。
  論文  参考訳（メタデータ） (2023-07-01T03:23:56Z)
• A Match Made in Heaven: A Multi-task Framework for Hyperbole and Metaphor Detection [27.85834441076481]
  ハイパボラとメタファーは日々のコミュニケーションで一般的である。 メタファーやハイパーボアを自動的に検出するための既存のアプローチは、これらの言語現象を独立して研究してきた。 ハイパーボラとメタファを同時に検出するマルチタスク深層学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-27T14:17:59Z)
• HRCF: Enhancing Collaborative Filtering via Hyperbolic Geometric Regularization [52.369435664689995]
  HRCF (textitHyperbolic Regularization powered Collaborative Filtering) を導入し,幾何認識型双曲正規化器を設計する。 具体的には、ルートアライメントとオリジン認識ペナルティによる最適化手順を強化する。 提案手法は,双曲的凝集による過度な平滑化問題に対処でき,モデルの識別能力も向上する。
  論文  参考訳（メタデータ） (2022-04-18T06:11:44Z)
• Enhancing Hyperbolic Graph Embeddings via Contrastive Learning [7.901082408569372]
  複数の双曲空間を通してノード表現を学習する新しいハイパーボリックグラフコントラスト学習(HGCL)フレームワークを提案する。 複数の実世界のデータセットに対する実験結果は、提案したHGCLの優位性を示している。
  論文  参考訳（メタデータ） (2022-01-21T06:10:05Z)
• MOVER: Mask, Over-generate and Rank for Hyperbole Generation [82.63394952538292]
  文をハイパボリックなパラフレーズに変換するために, ハイパボラ生成という新しいタスクを導入する。 非自明な方法で17,862個の双曲文を含む最初の大規模双曲コーパスであるHYPO-XLを構築した。 コーパスに基づいて,並列リテラル-ハイパボールのペアを必要とせず,教師なしのハイパーボールの生成法を提案する。
  論文  参考訳（メタデータ） (2021-09-16T05:25:13Z)
• Fully Hyperbolic Neural Networks [63.22521652077353]
  ローレンツモデルに基づく双曲型ネットワークを構築するための,完全双曲型フレームワークを提案する。 提案手法は,浅層ネットワークと深層ネットワークの両方を構築する上で,優れた性能を示す。
  論文  参考訳（メタデータ） (2021-05-31T03:36:49Z)
• Unsupervised Hyperbolic Representation Learning via Message Passing Auto-Encoders [29.088604461911892]
  本稿では,教師なしタスクが双曲空間における学習表現からどのように恩恵を受けるかを分析する。 ラベルなしデータの階層構造を双曲空間でいかにうまく表現できるかを探索するために、我々は新しい双曲メッセージパッシングオートエンコーダを設計する。 提案モデルでは,メッセージパッシングにおける双曲幾何をフルに活用し,ネットワークの自動符号化を行う。
  論文  参考訳（メタデータ） (2021-03-30T03:09:53Z)

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。