Fugu-MT 論文翻訳(概要): Structured Prediction in NLP -- A survey

論文の概要: Structured Prediction in NLP -- A survey

arxiv url: http://arxiv.org/abs/2110.02057v1
Date: Tue, 31 Aug 2021 07:01:09 GMT
ステータス: 処理完了
システム内更新日: 2023-03-16 15:50:56.827161
Title: Structured Prediction in NLP -- A survey
Title（参考訳）: NLPにおける構造予測--サーベイ
Authors: Chauhan Dev, Naman Biyani, Nirmal P. Suthar, Prashant Kumar, Priyanshu Agarwal
Abstract要約: 本調査は、構造化予測における主要な技術とそのNLP領域への応用について概説する。また、構造予測におけるエネルギーベースおよび注意ベースの手法についても深く研究した。
参考スコア（独自算出の注目度）: 2.9031424913611903
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Over the last several years, the field of Structured prediction in NLP has had seen huge advancements with sophisticated probabilistic graphical models, energy-based networks, and its combination with deep learning-based approaches. This survey provides a brief of major techniques in structured prediction and its applications in the NLP domains like parsing, sequence labeling, text generation, and sequence to sequence tasks. We also deep-dived into energy-based and attention-based techniques in structured prediction, identified some relevant open issues and gaps in the current state-of-the-art research, and have come up with some detailed ideas for future research in these fields.
Abstract（参考訳）: ここ数年、NLPにおける構造化予測の分野は、高度な確率的グラフィカルモデル、エネルギーベースのネットワーク、そしてディープラーニングベースのアプローチの組み合わせによって大きな進歩を遂げてきた。この調査は、構造化予測とそのnlpドメイン(パース、シーケンスラベリング、テキスト生成、シーケンスとシーケンスタスク)における応用における主要な技術の概要を提供する。我々はまた、構造化予測におけるエネルギーベースおよび注意ベースの手法を深く研究し、現在の最先端研究におけるいくつかの関連するオープン問題とギャップを特定し、これらの分野での今後の研究に関する詳細なアイデアを思いついた。

関連論文リスト

Deep learning for precipitation nowcasting: A survey from the perspective of time series forecasting [4.5424061912112474]
本稿では,ディープラーニングを用いた時系列降水予測モデルの最近の進歩を概観する。予測モデルを,将来のフレームを予測するためのアプローチに基づいて,テキスト再帰戦略とテキスト多重戦略に分類する。筆者らは,現在,降水予測のための深層学習モデルの評価を行い,その限界と課題について議論し,いくつかの有望な研究方向性を示す。
論文参考訳（メタデータ） (2024-06-07T12:07:09Z)
A Survey on Neural Question Generation: Methods, Applications, and Prospects [56.97451350691765]
調査は、NQGの背景の概要から始まり、タスクの問題を定式化している。その後、NQGアプローチを構造化NQG、非構造化NQG、ハイブリッドNQGの3つの主要なカテゴリに分類する。この調査は、NQGの軌跡を前方視し、創発的な研究動向と今後の発展の道筋を見極めている。
論文参考訳（メタデータ） (2024-02-28T11:57:12Z)
Incorporating Taylor Series and Recursive Structure in Neural Networks for Time Series Prediction [0.29008108937701327]
時系列分析は物理学、生物学、化学、金融など様々な分野に関係している。本稿では、ResNet構造から要素を統合するニューラルネットワークアーキテクチャについて紹介し、革新的なTaylorシリーズフレームワークを紹介した。
論文参考訳（メタデータ） (2024-02-09T14:34:28Z)
Building Expressive and Tractable Probabilistic Generative Models: A Review [9.350950673858602]
我々は、主に確率回路(PC)に焦点をあてて、トラクタブル確率生成モデルに焦点をあてる。我々は、表現性とトラクタビリティの本質的にのトレードオフについて統一的な視点を提供し、表現力と効率的なPCの構築を可能にする設計原則とアルゴリズム拡張を強調した。我々は、ディープ・ニューラル・モデルの概念を融合させることにより、ディープ・ハイブリッドPCを構築するための最近の取り組みについて論じ、この発展途上の分野における将来の研究を導くための課題とオープンな疑問を概説する。
論文参考訳（メタデータ） (2024-02-01T16:49:27Z)
Towards Graph Foundation Models: A Survey and Beyond [66.37994863159861]
ファンデーションモデルは、さまざまな人工知能アプリケーションにおいて重要なコンポーネントとして現れてきた。基礎モデルがグラフ機械学習研究者を一般化し、適応させる能力は、新しいグラフ学習パラダイムを開発する可能性について議論する。本稿では,グラフ基礎モデル(GFM)の概念を紹介し,その重要な特徴と基礎技術について概説する。
論文参考訳（メタデータ） (2023-10-18T09:31:21Z)
Exploring the Landscape of Natural Language Processing Research [3.3916160303055567]
NLP関連のいくつかのアプローチが研究コミュニティで調査されている。確立したトピックを分類し、傾向を特定し、今後の研究分野を概説する総合的研究はいまだに残っていない。その結果,NLPにおける研究分野の分類,最近のNLPの発展分析,研究成果の要約,今後の研究の方向性について概説した。
論文参考訳（メタデータ） (2023-07-20T07:33:30Z)
A Diachronic Analysis of Paradigm Shifts in NLP Research: When, How, and Why? [84.46288849132634]
本稿では、因果発見と推論技術を用いて、科学分野における研究トピックの進化を分析するための体系的な枠組みを提案する。我々は3つの変数を定義し、NLPにおける研究トピックの進化の多様な側面を包含する。我々は因果探索アルゴリズムを用いてこれらの変数間の因果関係を明らかにする。
論文参考訳（メタデータ） (2023-05-22T11:08:00Z)
The Neural Process Family: Survey, Applications and Perspectives [40.800706337651526]
ニューラルプロセスファミリー(NPF)は、メタ学習予測の不確実性にニューラルネットワークを活用することによって、両方の世界の長所を提供する。私たちは、他の深層学習分野のいくつかの最近の進歩を、ひとつの傘の下で実現する可能性に光を当てました。
論文参考訳（メタデータ） (2022-09-01T15:01:32Z)
Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
論文参考訳（メタデータ） (2021-07-05T16:32:45Z)
Probabilistic Graph Attention Network with Conditional Kernels for Pixel-Wise Prediction [158.88345945211185]
本稿では,画素レベルの予測を基本的側面,すなわち,技術の現状を推し進める新たなアプローチを提案する。構造化されたマルチスケール機能学習と融合。本論文では,マルチスケール表現を原理的に学習・融合するための新しいアテンテンションゲート条件ランダムフィールド(AG-CRFs)モデルに基づく確率的グラフアテンションネットワーク構造を提案する。
論文参考訳（メタデータ） (2021-01-08T04:14:29Z)
A Chain Graph Interpretation of Real-World Neural Networks [58.78692706974121]
本稿では,NNを連鎖グラフ(CG)、フィードフォワードを近似推論手法として識別する別の解釈を提案する。 CG解釈は、確率的グラフィカルモデルのリッチな理論的枠組みの中で、各NNコンポーネントの性質を規定する。我々は,CG解釈が様々なNN技術に対する新しい理論的支援と洞察を提供することを示す具体例を実例で示す。
論文参考訳（メタデータ） (2020-06-30T14:46:08Z)

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。