Fugu-MT 論文翻訳(概要): Sister Help: Data Augmentation for Frame-Semantic Role Labeling

論文の概要: Sister Help: Data Augmentation for Frame-Semantic Role Labeling

arxiv url: http://arxiv.org/abs/2109.07725v1
Date: Thu, 16 Sep 2021 05:15:29 GMT
ステータス: 処理完了
システム内更新日: 2021-09-18 01:09:33.825714
Title: Sister Help: Data Augmentation for Frame-Semantic Role Labeling
Title（参考訳）: Sister Help: フレーム・セマンティックなロールラベリングのためのデータ拡張
Authors: Ayush Pancholy, Miriam R. L. Petruck, Swabha Swayamdipta
Abstract要約: 既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。本稿では,このデータ強化の重要性を示すフレーム・セマンティック・ロール・ラベリングの実験を行う。
参考スコア（独自算出の注目度）: 9.62264668211579
License: http://creativecommons.org/licenses/by/4.0/
Abstract: While FrameNet is widely regarded as a rich resource of semantics in natural language processing, a major criticism concerns its lack of coverage and the relative paucity of its labeled data compared to other commonly used lexical resources such as PropBank and VerbNet. This paper reports on a pilot study to address these gaps. We propose a data augmentation approach, which uses existing frame-specific annotation to automatically annotate other lexical units of the same frame which are unannotated. Our rule-based approach defines the notion of a sister lexical unit and generates frame-specific augmented data for training. We present experiments on frame-semantic role labeling which demonstrate the importance of this data augmentation: we obtain a large improvement to prior results on frame identification and argument identification for FrameNet, utilizing both full-text and lexicographic annotations under FrameNet. Our findings on data augmentation highlight the value of automatic resource creation for improved models in frame-semantic parsing.
Abstract（参考訳）: FrameNetは自然言語処理におけるセマンティクスの豊富なリソースとして広く見なされているが、主要な批判は、PropBankやVerbNetといった他の一般的な語彙リソースと比較して、そのカバレッジの欠如とラベル付きデータの相対的な曖昧さを懸念している。本稿では,これらのギャップに対処するためのパイロット研究について報告する。既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。ルールベースアプローチでは,姉妹語彙単位の概念を定義し,フレーム固有の拡張データを生成する。我々は,このデータ強化の重要性を示すフレーム意味的ロールラベリング実験を行い,フレームネットのフレーム識別と引数識別において,フレームネットのフルテキストアノテーションとレキソグラフィアノテーションを併用することにより,事前の結果を大幅に改善する。データ拡張に関する知見は,フレーム・セマンティック解析における改良モデルに対する自動資源生成の価値を強調した。

関連論文リスト

TrustRAG: An Information Assistant with Retrieval Augmented Generation [73.84864898280719]
TrustRAGは、インデックス付け、検索、生成という3つの視点から、acRAGを強化する新しいフレームワークである。我々はTrustRAGフレームワークをオープンソース化し、抜粋ベースの質問応答タスク用に設計されたデモスタジオを提供する。
論文参考訳（メタデータ） (2025-02-19T13:45:27Z)
FS-RAG: A Frame Semantics Based Approach for Improved Factual Accuracy in Large Language Models [2.1484130681985047]
本稿では,大規模言語モデルの出力における事実的不正確さを軽減することを目的として,検索強化生成の新たな拡張を提案する。提案手法は,大規模言語モデルの問合せ支援に関連する事実情報のインデックス化と検索を目的とした,フレームセマンティクスの認知言語理論に基づく。
論文参考訳（メタデータ） (2024-06-23T17:18:19Z)
Acquiring Frame Element Knowledge with Deep Metric Learning for Semantic Frame Induction [24.486546938073907]
本稿では,ディープラーニングを意味的フレーム帰納タスクに適用する手法を提案する。事前訓練された言語モデルは、フレーム要素の役割を区別するのに適するように微調整される。 FrameNetの実験結果から,本手法は既存手法よりも大幅に性能が向上することが示された。
論文参考訳（メタデータ） (2023-05-23T11:02:28Z)
Self-Sufficient Framework for Continuous Sign Language Recognition [75.60327502570242]
この作業の目標は、継続的手話認識のための自己充足型のフレームワークを開発することです。これには、理解のための手、顔、口などの複雑なマルチスケール機能、フレームレベルのアノテーションの欠如が含まれる。ネットワークやアノテーションを必要とせずに手動と非手動の両方の機能を抽出するDivide and Focus Convolution (DFConv)を提案する。 DPLRは、基底真理グロスシーケンスラベルと予測シーケンスを組み合わせることにより、非スパイクフレームレベルの擬似ラベルを伝搬する。
論文参考訳（メタデータ） (2023-03-21T11:42:57Z)
Query Your Model with Definitions in FrameNet: An Effective Method for Frame Semantic Role Labeling [43.58108941071302]
Frame Semantic Role Labeling (FSRL)は、引数を特定し、FrameNetで定義されたフレームロールにラベル付けする。本稿では,これらの問題を緩和するために,FrameNet (AGED) で定義した ArGument Extractor というクエリベースのフレームワークを提案する。
論文参考訳（メタデータ） (2022-12-05T05:09:12Z)
A Double-Graph Based Framework for Frame Semantic Parsing [23.552054033442545]
フレーム意味解析は基本的なNLPタスクであり、フレーム識別、引数識別、ロール分類という3つのサブタスクから構成される。これまでのほとんどの研究は、異なるサブタスクと議論の関係を無視し、オントロジ的なフレーム知識にはほとんど注意を払わない傾向にある。本稿では、二重グラフ(KID)を用いた知識誘導型セマンティックPKを提案する。実験の結果、KIDは2つのFrameNetデータセット上で1.7F1スコアで従来の最先端手法よりも優れていた。
論文参考訳（メタデータ） (2022-06-18T09:39:38Z)
FactGraph: Evaluating Factuality in Summarization with Semantic Graph Representations [114.94628499698096]
文書と要約を構造化された意味表現(MR)に分解するFactGraphを提案する。 MRは、コアセマンティックの概念とその関係を記述し、文書と要約の両方の主要な内容を標準形式で集約し、データの疎結合を減少させる。事実性を評価するための異なるベンチマークの実験では、FactGraphは以前のアプローチよりも最大15%優れていた。
論文参考訳（メタデータ） (2022-04-13T16:45:33Z)
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)
Improving Image Captioning with Better Use of Captions [65.39641077768488]
本稿では,画像表現とキャプション生成の両方を強化するために,キャプションで利用可能なセマンティクスをよりよく探求するための新しい画像キャプションアーキテクチャを提案する。我々のモデルはまず,弱教師付きマルチインスタンス学習を用いて,有益な帰納バイアスをもたらすキャプション誘導型視覚関係グラフを構築した。生成期間中、このモデルは、単語とオブジェクト/述語タグのシーケンスを共同で予測するために、マルチタスク学習を用いた視覚関係をさらに取り入れる。
論文参考訳（メタデータ） (2020-06-21T14:10:47Z)
SF-Net: Single-Frame Supervision for Temporal Action Localization [60.202516362976645]
単一フレームの監視は、低いアノテーションのオーバーヘッドを維持しながら、追加の時間的アクション信号を導入します。本研究では,SF-Netと呼ばれる単一フレーム監視システムを提案する。 SF-Netは、セグメントローカライゼーションと単一フレームローカライゼーションの両方の観点から、最先端の弱い教師付き手法を大幅に改善する。
論文参考訳（メタデータ） (2020-03-15T15:06:01Z)
FrameAxis: Characterizing Microframe Bias and Intensity with Word Embedding [8.278618225536807]
本稿では,最も関連性の高い意味軸(マイクロフレーム)を識別し,文書を特徴付ける方法であるFrameAxisを提案する。 FrameAxisは、マイクロフレームがテキストでどのように使われているかという、2つの重要な次元を定量的に評価するように設計されている。レストランレビューから政治ニュースまで,複数のデータセットにFrameAxisを適用することで,感情,トピック,パルチザンのスペクトルと高いバイアスと強度のマイクロフレームが一致していることを示す。
論文参考訳（メタデータ） (2020-02-20T08:01:28Z)

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。