論文の概要: Compositional Generalization in Dependency Parsing

• arxiv url: http://arxiv.org/abs/2110.06843v1
• Date: Wed, 13 Oct 2021 16:32:24 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-14 16:58:42.300763
• Title: Compositional Generalization in Dependency Parsing
• Title（参考訳）: 係り受け解析における構成一般化
• Authors: Emily Goodwin, Siva Reddy, Timothy J. O'Donnell, Dzmitry Bahdanau
• Abstract要約: しかし、依存性には構成解析ベンチマークがない。 複合分散の増大は依存性性能を低下させるが、意味解析性能ほど劇的ではない。 最も難しい分割において、依存関係の低いパフォーマンスを駆動する多くの構文構造を特定します。
• 参考スコア（独自算出の注目度）: 15.953482168182003
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Compositionality, or the ability to combine familiar units like words into novel phrases and sentences, has been the focus of intense interest in artificial intelligence in recent years. To test compositional generalization in semantic parsing, Keysers et al. (2020) introduced Compositional Freebase Queries (CFQ). This dataset maximizes the similarity between the test and train distributions over primitive units, like words, while maximizing the compound divergence: the dissimilarity between test and train distributions over larger structures, like phrases. Dependency parsing, however, lacks a compositional generalization benchmark. In this work, we introduce a gold-standard set of dependency parses for CFQ, and use this to analyze the behavior of a state-of-the art dependency parser (Qi et al., 2020) on the CFQ dataset. We find that increasing compound divergence degrades dependency parsing performance, although not as dramatically as semantic parsing performance. Additionally, we find the performance of the dependency parser does not uniformly degrade relative to compound divergence, and the parser performs differently on different splits with the same compound divergence. We explore a number of hypotheses for what causes the non-uniform degradation in dependency parsing performance, and identify a number of syntactic structures that drive the dependency parser's lower performance on the most challenging splits.
• Abstract（参考訳）: 合成性、あるいは単語のような親しみやすい単位を新しいフレーズや文に結合する能力は、近年人工知能への強い関心の焦点となっている。 意味解析における合成一般化をテストするため、Keysers et al. (2020) はコンポジションフリーベースクエリ (CFQ) を導入した。 このデータセットは、単語のような原始的な単位に対するテストと列車の分布の類似性を最大化するとともに、複合的な分岐を最大化する。 しかし、依存関係解析には合成一般化ベンチマークがない。 本稿では,cfqデータセット上の最先端技術依存構文解析器(qi et al., 2020)の挙動解析のために,cfqのための金標準依存構文解析セットを提案する。 複合分散の増大は依存性解析性能を低下させるが、意味解析性能ほど劇的ではない。 さらに, 依存関係解析器の性能は, 複合分散に対して均一に低下せず, 同一の複合分散を伴う異なる分割に対して異なる性能を示す。 依存関係解析性能の非一様劣化の原因となる多くの仮説を考察し、最も困難な分割に対して依存性解析器の低性能を駆動する多くの構文構造を同定する。

関連論文リスト

• Empirical Analysis for Unsupervised Universal Dependency Parse Tree Aggregation [9.075353955444518]
  依存関係解析はNLPにおいて必須のタスクであり、多くの下流タスクには依存性の品質が不可欠である。 様々なNLPタスクにおいて、アグリゲーション法は後処理のアグリゲーションに使われ、様々な品質の問題に対処することが示されている。 異なる非教師付き後処理アグリゲーション法を比較し、最も適した依存木構造アグリゲーション法を同定する。
  論文  参考訳（メタデータ） (2024-03-28T07:27:10Z)
• Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
  本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。 私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。 文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
  論文  参考訳（メタデータ） (2024-02-18T11:46:16Z)
• CIParsing: Unifying Causality Properties into Multiple Human Parsing [82.32620538918812]
  既存のMHP(Multiple Human Parsing)の手法は、画像とラベル付けされた身体部分との間の基礎となる関係を取得するために統計モデルを適用している。 我々はCIParsingと呼ばれる因果性にインスパイアされた構文解析のパラダイムを提示し、人間の解析に2つの因果性を含む基本的な因果原理に従う。 CIParsingはプラグイン・アンド・プレイ方式で設計されており、既存のMHPモデルに統合することができる。
  論文  参考訳（メタデータ） (2023-08-23T15:56:26Z)
• Hexatagging: Projective Dependency Parsing as Tagging [63.5392760743851]
  文中の単語を有限個の可能なタグの要素でタグ付けすることで、依存関係木を構成する新しい依存性であるヘキサトガーを導入する。 私たちのアプローチは、トレーニング時に完全に並列化可能です。すなわち、依存関係のパースを構築するのに必要な構造構築アクションは、互いに並列に予測できます。 我々はPenn Treebankテストセット上で96.4 LASと97.4 UASの最先端性能を実現する。
  論文  参考訳（メタデータ） (2023-06-08T18:02:07Z)
• Structural Ambiguity and its Disambiguation in Language Model Based Parsers: the Case of Dutch Clause Relativization [2.9950872478176627]
  先行文の存在が相対的節の曖昧さをいかに解決するかを考察する。 その結果、証明ネットに基づくニューロシンボリックは、普遍的な依存関係に基づくアプローチよりも、データ偏差補正に対してよりオープンであることが示された。
  論文  参考訳（メタデータ） (2023-05-24T09:04:18Z)
• Syntactic Substitutability as Unsupervised Dependency Syntax [31.488677474152794]
  依存関係関係や構文置換可能性の定義において、より一般的な性質を暗黙的にモデル化する。 この性質は、依存関係の両端にある単語が、同じカテゴリの単語で置き換えられるという事実を捉えている。 使用する代替品の数を増やすことで、自然データに対する解析精度が向上することを示す。
  論文  参考訳（メタデータ） (2022-11-29T09:01:37Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• A Conditional Splitting Framework for Efficient Constituency Parsing [14.548146390081778]
  本稿では,選択性解析問題(シンタクティックおよび談話構文解析)を一連の条件分割決定に当てはめる,汎用的なSeq2seq解析フレームワークを提案する。 解析モデルでは,テキストスパンで可能な分割点の条件付き確率分布を推定し,効率的なトップダウンデコーディングをサポートする。 談話分析では, 談話セグメンテーションを解析の特別な事例として扱うことができる。
  論文  参考訳（メタデータ） (2021-06-30T00:36:34Z)
• Linguistic dependencies and statistical dependence [76.89273585568084]
  文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。 最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
  論文  参考訳（メタデータ） (2021-04-18T02:43:37Z)
• Span-based Semantic Parsing for Compositional Generalization [53.24255235340056]
  SpanBasedSPは入力発話上のスパンツリーを予測し、部分的なプログラムが入力内のスパンをどのように構成するかを明示的に符号化する。 GeoQuery、SCAN、CLOSUREでは、SpanBasedSPはランダムスプリットの強いseq2seqベースラインと似ているが、構成一般化を必要とするスプリットのベースラインに比べて劇的に性能が向上する。
  論文  参考訳（メタデータ） (2020-09-13T16:42:18Z)
• A Survey of Syntactic-Semantic Parsing Based on Constituent and Dependency Structures [14.714725860010724]
  我々は、構文解析の最も一般的な2つの形式、すなわち構成解析と依存性解析に焦点を当てている。 本稿では、構成解析と依存性解析の代表モデルと、リッチセマンティクスによる依存性解析について概説する。
  論文  参考訳（メタデータ） (2020-06-19T10:21:17Z)

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。