論文の概要: A Dual-Attention Neural Network for Pun Location and Using Pun-Gloss Pairs for Interpretation

• arxiv url: http://arxiv.org/abs/2110.07209v1
• Date: Thu, 14 Oct 2021 08:15:04 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-16 02:28:30.841626
• Title: A Dual-Attention Neural Network for Pun Location and Using Pun-Gloss Pairs for Interpretation
• Title（参考訳）: パントロケーションのためのデュアルアテンションニューラルネットワークとパントグロスペアを用いた解釈
• Authors: Shen Liu, Meirong Ma, Hao Yuan, Jianchao Zhu, Yuanbin Wu, Man Lan
• Abstract要約: パンの場所とは、テキスト中の句を識別することである。 Punの解釈は、句読点の2つの異なる意味を見出すことである。
• 参考スコア（独自算出の注目度）: 25.2990606699585
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Pun location is to identify the punning word (usually a word or a phrase that makes the text ambiguous) in a given short text, and pun interpretation is to find out two different meanings of the punning word. Most previous studies adopt limited word senses obtained by WSD(Word Sense Disambiguation) technique or pronunciation information in isolation to address pun location. For the task of pun interpretation, related work pays attention to various WSD algorithms. In this paper, a model called DANN (Dual-Attentive Neural Network) is proposed for pun location, effectively integrates word senses and pronunciation with context information to address two kinds of pun at the same time. Furthermore, we treat pun interpretation as a classification task and construct pungloss pairs as processing data to solve this task. Experiments on the two benchmark datasets show that our proposed methods achieve new state-of-the-art results. Our source code is available in the public code repository.
• Abstract（参考訳）: 句の位置は、与えられた短いテキストで句語(通常、文章を曖昧にする単語またはフレーズ)を識別することであり、句解釈は句語の2つの異なる意味を見つけることである。 これまでの研究のほとんどは、wsd(word sense disambiguation)技術または発音情報によって得られた限定された単語感覚を用いて、パンの位置に対処する。 句解釈のタスクでは、関連する作業は様々なWSDアルゴリズムに注意を払う。 本稿では,単語認識と発音を文脈情報と効果的に統合し,2種類のパンに同時に対応させる,dun(dual-attentive neural network)と呼ばれるモデルを提案する。 さらに,句解釈を分類課題として扱い,この課題を解決するための処理データとしてpunglossペアを構築した。 2つのベンチマークデータセットにおける実験により,提案手法が新たな最先端結果を得ることが示された。 ソースコードはパブリックコードリポジトリで公開されています。

関連論文リスト

• Can Word Sense Distribution Detect Semantic Changes of Words? [35.17635565325166]
  単語感覚分布は、英語、ドイツ語、スウェーデン語、ラテン語の単語の意味変化を正確に予測するために使用できることを示す。 SemEval 2020 Task 1のデータセットを用いた実験結果から,単語の意味的変化を正確に予測できることがわかった。
  論文  参考訳（メタデータ） (2023-10-16T13:41:27Z)
• Context-Situated Pun Generation [42.727010784168115]
  本稿では,キーワードの集合で表される特定のコンテキストが提供される新しいタスク,文脈定型句生成を提案する。 その課題は、まずコンテキストに適した句語を識別し、次に、コンテキストキーワードと識別された句語に基づいて句を生成することである。 その結果,トップ検索語のうち69%が文脈選択語の生成に利用でき,生成モジュールは31%の成功率が得られることがわかった。
  論文  参考訳（メタデータ） (2022-10-24T18:24:48Z)
• ExPUNations: Augmenting Puns with Keywords and Explanations [88.58174386894913]
  我々は、キーワードの詳細なクラウドソースアノテーションで既存の句のデータセットを拡張する。 これは、パント専用の広範囲できめ細かなアノテーションを備えた最初のユーモアデータセットである。 句分類支援のための説明生成とキーワード条件付き句生成という2つのタスクを提案する。
  論文  参考訳（メタデータ） (2022-10-24T18:12:02Z)
• AmbiPun: Generating Humorous Puns with Ambiguous Context [31.81213062995652]
  我々のモデルはまず、逆辞書を通して関連する概念のリストを作成する。 次に、ワンショットGPT3を用いて文脈語を生成し、両方の概念から文脈語を組み込んだ句を生成する。 人間の評価から,本手法は52%の時間でパントを発生させることができた。
  論文  参考訳（メタデータ） (2022-05-04T00:24:11Z)
• Connect-the-Dots: Bridging Semantics between Words and Definitions via Aligning Word Sense Inventories [47.03271152494389]
  Word Sense Disambiguationは、そのコンテキストに応じて、ある単語の正確な意味を自動的に識別することを目的としている。 既存の教師付きモデルは、限られた訓練データのために稀な単語感覚の正確な予測に苦慮している。 我々は,定義文を異なる意味の在庫から同じ意味に整合させ,豊富な語彙知識を収集する光沢アライメントアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2021-10-27T00:04:33Z)
• UCPhrase: Unsupervised Context-aware Quality Phrase Tagging [63.86606855524567]
  UCPhraseは、教師なしの文脈対応のフレーズタグである。 我々は,一貫した単語列から,高品質なフレーズを銀のラベルとして表現する。 我々の設計は、最先端の事前訓練、教師なし、遠隔管理の手法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2021-05-28T19:44:24Z)
• 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)
• "The Boating Store Had Its Best Sail Ever": Pronunciation-attentive Contextualized Pun Recognition [80.59427655743092]
  そこで我々は,ヒトのユーモアを知覚するために,発音適応型文脈パウン認識(PCPR)を提案する。 PCPRは、周囲の文脈とその対応する音韻記号の関連を捉えることにより、文中の各単語の文脈化された表現を導出する。 その結果,提案手法はパント検出や位置情報タスクにおいて最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-04-29T20:12:20Z)
• Decomposing Word Embedding with the Capsule Network [23.294890047230584]
  そこで本稿では,曖昧な単語の教師なし単語の埋め込みをコンテキスト固有のセンス埋め込みに分解するカプセルネットワーク方式を提案する。 注意操作により、CapsDecE2Sは単語コンテキストを統合し、複数の形態素様ベクトルをコンテキスト固有の感覚埋め込みに再構成する。 本手法では,感覚学習を二分分類に変換し,マッチングラベルと非マッチングによって感覚の関係を明示的に学習する。
  論文  参考訳（メタデータ） (2020-04-07T06:37:27Z)
• CASE: Context-Aware Semantic Expansion [68.30244980290742]
  本稿では,CASE(Context-Aware Semantic Expansion)と呼ばれる新しいタスクを定義し,検討する。 セマンティックな文脈でシード項が与えられた場合、その文脈に適した他の用語をシードとして提案することを目指している。 このタスクのアノテーションは,既存のコーパスから完全に自動で,大規模に抽出可能であることを示す。
  論文  参考訳（メタデータ） (2019-12-31T06:38:57Z)

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。