論文の概要: System Combination for Grammatical Error Correction Based on Integer
Programming
- arxiv url: http://arxiv.org/abs/2111.01465v1
- Date: Tue, 2 Nov 2021 10:08:46 GMT
- ステータス: 処理完了
- システム内更新日: 2021-11-03 14:12:00.590955
- Title: System Combination for Grammatical Error Correction Based on Integer
Programming
- Title（参考訳）: 整数計画に基づく文法的誤り訂正のためのシステム組み合わせ
- Authors: Ruixi Lin and Hwee Tou Ng
- Abstract要約: 非線形整数計画法(IP)に基づく文法的誤り訂正(GEC)システムの組み合わせ手法を提案する。
提案手法は,誤差型に基づく新しいFスコア目標を最適化し,複数のエンドツーエンドGECシステムを組み合わせる。
最先端のスタンドアロンGECシステムを組み合わせるためのIPアプローチの実験は、この組み合わせシステムがすべてのスタンドアロンシステムより優れていることを示している。
- 参考スコア（独自算出の注目度）: 26.817392377302014
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a system combination method for grammatical error
correction (GEC), based on nonlinear integer programming (IP). Our method
optimizes a novel F score objective based on error types, and combines multiple
end-to-end GEC systems. The proposed IP approach optimizes the selection of a
single best system for each grammatical error type present in the data.
Experiments of the IP approach on combining state-of-the-art standalone GEC
systems show that the combined system outperforms all standalone systems. It
improves F0.5 score by 3.61% when combining the two best participating systems
in the BEA 2019 shared task, and achieves F0.5 score of 73.08%. We also perform
experiments to compare our IP approach with another state-of-the-art system
combination method for GEC, demonstrating IP's competitive combination
capability.
- Abstract（参考訳）: 本稿では,非線形整数計画法(IP)に基づく文法的誤り訂正(GEC)システムの組み合わせ手法を提案する。
提案手法は,誤差型に基づく新しいFスコア目標を最適化し,複数のエンドツーエンドGECシステムを組み合わせる。
提案手法は,データに含まれる各文法的エラータイプに対して,単一のベストシステムの選択を最適化する。
最先端のスタンドアロンgecシステムを結合するipアプローチの実験は、結合システムが全てのスタンドアロンシステムを上回ることを示している。
F0.5スコアを3.61%改善し、BEA 2019共有タスクで最高の2つのシステムを組み合わせてF0.5スコアを73.08%達成する。
我々はまた、我々のIPアプローチとGECのための別の最先端システム組み合わせ法を比較する実験を行い、IPの競合的組み合わせ能力を示す。
関連論文リスト
- Decoding-Time Language Model Alignment with Multiple Objectives [116.42095026960598]
既存の手法は主に、1つの報酬関数に対してLMを最適化することに集中し、それらの適応性は様々な目的に制限される。
本稿では,予測の線形結合から次のトークンを出力する復号時間アルゴリズムである$textbfmulti-objective decoding (MOD)$を提案する。
提案手法は, 自然条件下であっても, 既存のアプローチが準最適であることを示すとともに, 提案手法の最適性を保証する。
論文 参考訳（メタデータ） (2024-06-27T02:46:30Z) - Ensemble Quadratic Assignment Network for Graph Matching [52.20001802006391]
グラフマッチングはコンピュータビジョンやパターン認識において一般的に用いられる技法である。
最近のデータ駆動型アプローチは、グラフマッチングの精度を著しく改善した。
データ駆動手法と従来の手法の利点を組み合わせたグラフニューラルネットワーク(GNN)に基づくアプローチを提案する。
論文 参考訳（メタデータ） (2024-03-11T06:34:05Z) - System Combination via Quality Estimation for Grammatical Error
Correction [29.91720235173108]
本稿では,修正文の品質をよりよく推定する,最新の品質評価モデルであるGRECOを提案する。
また,GECの品質推定モデルを用いて,システムの組み合わせを多種多様な一般性で評価する手法を提案する。
論文 参考訳（メタデータ） (2023-10-23T13:46:49Z) - Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic
Learning [53.73316523766183]
コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。
ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。
本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
論文 参考訳（メタデータ） (2022-12-20T08:55:47Z) - Two-pass Decoding and Cross-adaptation Based System Combination of
End-to-end Conformer and Hybrid TDNN ASR Systems [61.90743116707422]
本稿では,ハイブリッドTDNNとConformer E2E ASRシステムのためのマルチパス再構成とクロスアダプティブに基づくシステムの組み合わせについて検討する。
NIST Hub5'00、Rt03、Rt02の評価データに対して、マルチパス再構成を用いて得られた最良の組み合わせシステムにより、統計的に有意な単語誤り率(WER)が2.5%から3.9%の絶対値(22.5%から28.9%の相対値)に低下した。
論文 参考訳（メタデータ） (2022-06-23T10:17:13Z) - Matching Pursuit Based Scheduling for Over-the-Air Federated Learning [67.59503935237676]
本稿では,フェデレートラーニング手法を用いて,オーバー・ザ・エアラーニングのための低複雑さデバイススケジューリングアルゴリズムのクラスを開発する。
最先端の提案方式と比較すると,提案方式は極めて低効率なシステムである。
提案手法の有効性は,CIFARデータセットを用いた実験により確認した。
論文 参考訳（メタデータ） (2022-06-14T08:14:14Z) - A Study of Different Ways to Use The Conformer Model For Spoken Language
Understanding [25.41993752756759]
我々は、ASRとNLUを結合する様々な方法、特に1つのコンフォーマーモデルを用いて比較する。
研究やアプリケーションに最適なシステムを決定する2段階の復号化システムとエンド・ツー・エンドシステムとの間には必ずしも選択肢がないことがわかった。
論文 参考訳（メタデータ） (2022-04-08T07:12:11Z) - Selecting the Best Optimizing System [16.16839471915128]
最適最適化システム(SBOS)の問題を定式化し,それらの問題に対する解決策を提供する。
SBOS問題は、最適化された最適な選択決定の下で、期待されたパフォーマンスに基づいて異なるシステムを比較する。
我々は,適応的にシステムを選択するアルゴリズムを設計し,ノイズの多いシステムの性能を評価する決定を下す。
論文 参考訳（メタデータ） (2022-01-09T18:26:40Z) - Model Selection in Batch Policy Optimization [88.52887493684078]
バッチポリシー最適化におけるモデル選択の問題について検討する。
我々は,任意のモデル選択アルゴリズムが競争力を得るために最適にトレードオフすべきという誤りの3つの源を同定する。
論文 参考訳（メタデータ） (2021-12-23T02:31:50Z) - Diversity-Driven Combination for Grammatical Error Correction [30.63256303821261]
文法的誤り訂正(英: Grammatical error correction, GEC)は、テキスト中の誤りを検出し、訂正するタスクである。
システムの組み合わせを成功させるためには、複数のコンポーネントシステムが多様かつ同等の品質の修正文を生成する必要がある。
本稿では,コンポーネントシステム間の多様性を促進するシステムの組み合わせ戦略であるGECに対して,多様性駆動結合(Diversity-Driven Combination, DDC)を提案する。
論文 参考訳（メタデータ） (2021-10-28T14:20:43Z)
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。