論文の概要: An MRC Framework for Semantic Role Labeling
- arxiv url: http://arxiv.org/abs/2109.06660v1
- Date: Tue, 14 Sep 2021 13:04:08 GMT
- ステータス: 処理完了
- システム内更新日: 2021-09-15 22:45:57.647347
- Title: An MRC Framework for Semantic Role Labeling
- Title(参考訳): 意味的役割ラベリングのためのmrcフレームワーク
- Authors: Nan Wang, Jiwei Li, Yuxian Meng, Xiaofei Sun, Jun He
- Abstract要約: 本稿では,機械読解の枠組みを用いて,述語的曖昧さと引数のラベル付けのギャップを埋めることを提案する。
述語セマンティクスとセマンティクスロールセマンティクスの両方を引数ラベリングに活用する。
実験の結果,提案したフレームワークは,スパンベンチマークと依存性ベンチマークの両方で最先端の結果が得られた。
- 参考スコア(独自算出の注目度): 21.140775452024894
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Semantic Role Labeling (SRL) aims at recognizing the predicate-argument
structure of a sentence and can be decomposed into two subtasks: predicate
disambiguation and argument labeling. Prior work deals with these two tasks
independently, which ignores the semantic connection between the two tasks. In
this paper, we propose to use the machine reading comprehension (MRC) framework
to bridge this gap. We formalize predicate disambiguation as multiple-choice
machine reading comprehension, where the descriptions of candidate senses of a
given predicate are used as options to select the correct sense. The chosen
predicate sense is then used to determine the semantic roles for that
predicate, and these semantic roles are used to construct the query for another
MRC model for argument labeling. In this way, we are able to leverage both the
predicate semantics and the semantic role semantics for argument labeling. We
also propose to select a subset of all the possible semantic roles for
computational efficiency. Experiments show that the proposed framework achieves
state-of-the-art results on both span and dependency benchmarks.
- Abstract(参考訳): 意味的役割ラベリング(srl)は、文の述語-節構造を認識することを目的としており、述語不曖昧化と引数ラベリングの2つのサブタスクに分解することができる。
先行作業は、これら2つのタスクを独立して処理し、2つのタスク間のセマンティックな接続を無視する。
本稿では,このギャップを埋めるために,機械読影理解(MRC)フレームワークを提案する。
任意の述語候補の感覚記述を正しい感覚選択の選択肢として用いるマルチチョース機械読み理解として述語不曖昧化を定式化する。
選択された述語感覚は、その述語の意味的役割を決定するために使用され、これらの意味的役割は、引数ラベルのための別のMCCモデルのクエリを構築するために使用される。
このようにして、述語意味論と、引数ラベリングのための意味的役割意味論の両方を活用できる。
また、計算効率のために考えられる全ての意味的役割のサブセットを選択することを提案する。
実験の結果,提案したフレームワークは,スパンベンチマークと依存性ベンチマークの両方で最先端の結果が得られた。
関連論文リスト
- Matching of Descriptive Labels to Glossary Descriptions [4.030805205247758]
本稿では,既存の意味テキスト類似度測定(STS)を活用し,セマンティックラベルの強化と集合的文脈化を用いて拡張するフレームワークを提案する。
公開データソースから得られた2つのデータセットについて実験を行った。
論文 参考訳(メタデータ) (2023-10-27T07:09:04Z) - Interpretable Word Sense Representations via Definition Generation: The
Case of Semantic Change Analysis [3.515619810213763]
本稿では,文脈化された単語の用法を解釈可能な単語と単語感覚表現として自動生成する自然言語定義を提案する。
得られた感覚ラベルが、意味変化分析に既存のアプローチをより解釈可能なものにする方法を実証する。
論文 参考訳(メタデータ) (2023-05-19T20:36:21Z) - Semantic Role Labeling Meets Definition Modeling: Using Natural Language
to Describe Predicate-Argument Structures [104.32063681736349]
本稿では,離散ラベルの代わりに自然言語定義を用いて述語-代名詞構造を記述する手法を提案する。
PropBankスタイルおよびFrameNetスタイル、依存性ベースおよびスパンベースSRLに関する実験と分析は、解釈可能な出力を持つフレキシブルモデルが必ずしも性能を犠牲にしないことを示す。
論文 参考訳(メタデータ) (2022-12-02T11:19:16Z) - GSRFormer: Grounded Situation Recognition Transformer with Alternate
Semantic Attention Refinement [73.73599110214828]
グラウンドドコンディション認識(GSR)は、人間のイベント理解のための画像の構造化されたセマンティックサマリーを生成することを目的としている。
オブジェクト検出とイメージキャプションタスクにインスパイアされた既存のメソッドは、2段階のフレームワークを使用するのが一般的である。
本稿では,動詞と役割の双方向関係の活用に焦点をあてた,新しい2段階フレームワークを提案する。
論文 参考訳(メタデータ) (2022-08-18T17:13:59Z) - Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。
我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。
異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
論文 参考訳(メタデータ) (2022-04-23T04:17:55Z) - Capturing Event Argument Interaction via A Bi-Directional Entity-Level
Recurrent Decoder [7.60457018063735]
イベント引数抽出(EAE)をSeq2Seqライクな学習問題として初めて定式化する。
新たな双方向エンティティレベルリカレントデコーダ(BERD)を用いたニューラルアーキテクチャを提案する。
論文 参考訳(メタデータ) (2021-07-01T02:55:12Z) - R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic
Matching [58.72111690643359]
文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。
最初にBERTを使用して、グローバルな視点から入力文をエンコードします。
次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。
関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
論文 参考訳(メタデータ) (2020-12-16T13:11:30Z) - Unsupervised Distillation of Syntactic Information from Contextualized
Word Representations [62.230491683411536]
我々は,ニューラルネットワーク表現における意味論と構造学の非教師なしの絡み合いの課題に取り組む。
この目的のために、構造的に類似しているが意味的に異なる文群を自動的に生成する。
我々は、我々の変換クラスタベクトルが、語彙的意味論ではなく構造的特性によって空間に現れることを実証する。
論文 参考訳(メタデータ) (2020-10-11T15:13:18Z) - Hinting Semantic Parsing with Statistical Word Sense Disambiguation [6.4182601340261956]
統計的WSDシステムからヒントを提供し、結果の論理形式を維持しながら論理的意味型代入を導出する。
我々はFスコアの最大10.5%の改善を観察するが、この改善はパースの構造的整合性にコストがかかる。
論文 参考訳(メタデータ) (2020-06-29T11:20:13Z) - Unsupervised Transfer of Semantic Role Models from Verbal to Nominal
Domain [65.04669567781634]
そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。
我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。
この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
論文 参考訳(メタデータ) (2020-05-01T09:20:48Z)
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。