論文の概要: A Graph-Based Neural Model for End-to-End Frame Semantic Parsing

• arxiv url: http://arxiv.org/abs/2109.12319v1
• Date: Sat, 25 Sep 2021 08:54:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:39:16.156336
• Title: A Graph-Based Neural Model for End-to-End Frame Semantic Parsing
• Title（参考訳）: エンドツーエンドフレーム意味解析のためのグラフベースニューラルモデル
• Authors: Zhichao Lin, Yueheng Sun, Meishan Zhang
• Abstract要約: 本稿では,フレーム意味解析タスクを協調的に行うために,エンドツーエンドのニューラルモデルを提案する。 本稿では,グラフ構築問題として,フレームセマンティック解析に関するグラフベースの手法を利用する。 フレーム・セマンティック・パーシングのベンチマーク・データセットの実験結果から,本手法の競争力が高いことが示された。
• 参考スコア（独自算出の注目度）: 12.43480002133656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Frame semantic parsing is a semantic analysis task based on FrameNet which has received great attention recently. The task usually involves three subtasks sequentially: (1) target identification, (2) frame classification and (3) semantic role labeling. The three subtasks are closely related while previous studies model them individually, which ignores their intern connections and meanwhile induces error propagation problem. In this work, we propose an end-to-end neural model to tackle the task jointly. Concretely, we exploit a graph-based method, regarding frame semantic parsing as a graph construction problem. All predicates and roles are treated as graph nodes, and their relations are taken as graph edges. Experiment results on two benchmark datasets of frame semantic parsing show that our method is highly competitive, resulting in better performance than pipeline models.
• Abstract（参考訳）: Frameセマンティックパース(Frame semantic parsing)は、最近注目されているFrameNetに基づくセマンティック分析タスクである。 タスクは通常、(1)ターゲット識別、(2)フレーム分類、(3)セマンティックロールラベリングの3つのサブタスクを順次行う。 3つのサブタスクは密接な関係を持ち、前回の研究では個別にモデル化され、インターン接続を無視する一方、エラー伝播問題を引き起こす。 本研究では,タスクを協調的に処理するためのエンドツーエンドニューラルモデルを提案する。 具体的には,グラフ構築問題として,フレームセマンティック解析に関するグラフベースの手法を利用する。 すべての述語と役割はグラフノードとして扱われ、それらの関係はグラフエッジとして扱われる。 フレームセマンティック解析のベンチマークデータセットによる実験結果から,本手法は高い競合性を示し,パイプラインモデルよりも優れた性能を示した。

関連論文リスト

• Multi-Label Meta Weighting for Long-Tailed Dynamic Scene Graph Generation [55.429541407920304]
  対象と対象のペア間の述語認識は、本質的に不均衡であり、複数ラベルである。 最近の最先端の手法は、主に最も頻繁に発生する述語クラスに焦点を当てている。 偏りのある述語分布を扱うために,多言語メタラーニングフレームワークを導入する。
  論文  参考訳（メタデータ） (2023-06-16T18:14:23Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• Co-guiding Net: Achieving Mutual Guidances between Multiple Intent Detection and Slot Filling via Heterogeneous Semantics-Label Graphs [39.76268402567324]
  本稿では,2つのタスク間のテキスト間ガイダンスを実現するための2段階フレームワークを実装したCo- Guideiding Netという新しいモデルを提案する。 具体的には、提案した2つのテクスチャセマンティクス-ラベルグラフに作用する2つのテクスチャセマンティクスグラフアテンションネットワークを提案する。 実験結果から,MixATISデータセットの先行モデルよりも19.3%の相対的な改善が得られた。
  論文  参考訳（メタデータ） (2022-10-19T08:34:51Z)
• Neural Subgraph Explorer: Reducing Noisy Information via Target-Oriented Syntax Graph Pruning [39.76268402567324]
  本稿ではニューラル・サブグラフ・エクスプローラーと呼ばれる新しいモデルを提案する。 構文グラフ上でターゲット非関連ノードをプルーニングすることでノイズを低減します。 対象語とその関連語間の有益な一階接続を得られたグラフに導入する。
  論文  参考訳（メタデータ） (2022-05-23T00:29:32Z)
• Joint Graph Learning and Matching for Semantic Feature Correspondence [69.71998282148762]
  本稿では,グラフマッチングを向上するための信頼度の高いグラフ構造を探索するために,GLAMという共用電子グラフ学習とマッチングネットワークを提案する。 提案手法は,3つの人気ビジュアルマッチングベンチマーク (Pascal VOC, Willow Object, SPair-71k) で評価される。 すべてのベンチマークにおいて、従来の最先端のグラフマッチング手法よりも大きなマージンを達成している。
  論文  参考訳（メタデータ） (2021-09-01T08:24:02Z)
• Temporal Graph Network Embedding with Causal Anonymous Walks Representations [54.05212871508062]
  本稿では,時間グラフネットワークに基づく動的ネットワーク表現学習のための新しいアプローチを提案する。 評価のために、時間的ネットワーク埋め込みの評価のためのベンチマークパイプラインを提供する。 欧州の大手銀行が提供した実世界のダウンストリームグラフ機械学習タスクにおいて、我々のモデルの適用性と優れた性能を示す。
  論文  参考訳（メタデータ） (2021-08-19T15:39:52Z)
• Line Graph Neural Networks for Link Prediction [71.00689542259052]
  実世界の多くのアプリケーションにおいて古典的なグラフ解析問題であるグラフリンク予測タスクについて検討する。 このフォーマリズムでは、リンク予測問題をグラフ分類タスクに変換する。 本稿では,線グラフをグラフ理論に用いて,根本的に異なる新しい経路を求めることを提案する。 特に、線グラフの各ノードは、元のグラフのユニークなエッジに対応するため、元のグラフのリンク予測問題は、グラフ分類タスクではなく、対応する線グラフのノード分類問題として等価に解決できる。
  論文  参考訳（メタデータ） (2020-10-20T05:54:31Z)
• Inducing Alignment Structure with Gated Graph Attention Networks for Sentence Matching [24.02847802702168]
  本稿では,文マッチングのためのグラフベースの手法を提案する。 文ペアをグラフとして表現し、慎重に設計する。 次に,文マッチングのために構築したグラフを符号化するために,新しいゲートグラフアテンションネットワークを用いる。
  論文  参考訳（メタデータ） (2020-10-15T11:25:54Z)
• Iterative Context-Aware Graph Inference for Visual Dialog [126.016187323249]
  本稿では,新しいコンテキスト認識グラフ(CAG)ニューラルネットワークを提案する。 グラフの各ノードは、オブジェクトベース(視覚)と履歴関連(テキスト)コンテキスト表現の両方を含む、共同意味機能に対応している。
  論文  参考訳（メタデータ） (2020-04-05T13:09:37Z)

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。