Fugu-MT 論文翻訳(概要): COPA-SSE: Semi-structured Explanations for Commonsense Reasoning

論文の概要: COPA-SSE: Semi-structured Explanations for Commonsense Reasoning

arxiv url: http://arxiv.org/abs/2201.06777v1
Date: Tue, 18 Jan 2022 07:20:57 GMT
ステータス: 処理完了
システム内更新日: 2022-01-20 00:25:10.855310
Title: COPA-SSE: Semi-structured Explanations for Commonsense Reasoning
Title（参考訳）: COPA-SSE:Commonsense Reasoningのための半構造化説明
Authors: Ana Brassard, Benjamin Heinzerling, Pride Kavumba, Kentaro Inui
Abstract要約: 我々は,COPA質問に対する半構造化,英語の常識的説明をクラウドソーシングした,9,747の新たなデータセットを提示する。これらの説明は、コンセプションNetリレーションを持つ3つの共通感覚ステートメントのセットとしてフォーマットされるが、自由に書かれる概念である。
参考スコア（独自算出の注目度）: 29.08726174730678
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We present Semi-Structured Explanations for COPA (COPA-SSE), a new crowdsourced dataset of 9,747 semi-structured, English common sense explanations for COPA questions. The explanations are formatted as a set of triple-like common sense statements with ConceptNet relations but freely written concepts. This semi-structured format strikes a balance between the high quality but low coverage of structured data and the lower quality but high coverage of free-form crowdsourcing. Each explanation also includes a set of human-given quality ratings. With their familiar format, the explanations are geared towards commonsense reasoners operating on knowledge graphs and serve as a starting point for ongoing work on improving such systems.
Abstract（参考訳）: 我々は,COPA質問に対する英語の半構造化・常識的説明をクラウドソーシングした新しいデータセットであるCOPA-SSE(Semi-Structured Explanations for COPA)を提案する。これらの説明は、概念ネットの関係を持つが自由に書かれた三重類似の常識文の集合として形式化されている。この半構造化フォーマットは、構造化データの高品質だが低いカバレッジと低い品質と自由形式のクラウドソーシングとのバランスをとる。それぞれの説明には、人間による品質評価も含まれている。慣れ親しんだ形式で、これらの説明は知識グラフを操作する常識的推論者に向けられ、そのようなシステムを改善するための継続的な取り組みの出発点となる。

関連論文リスト

CohEx: A Generalized Framework for Cohort Explanation [5.269665407562217]
コホートの説明は、特定のグループや事例のコホートにおける説明者の振る舞いに関する洞察を与える。本稿では,コホートの説明を測る上でのユニークな課題と機会について論じる。
論文参考訳（メタデータ） (2024-10-17T03:36:18Z)
Towards a Framework for Evaluating Explanations in Automated Fact Verification [12.904145308839997]
NLPの深いニューラルモデルがより複雑になるにつれて、それらを解釈する必要性はさらに高くなる。急激な関心は、予測の簡潔で一貫性のある正当化を提供するための合理的な説明に現れている。我々は,それらの評価を体系的に支援するための説明の合理化について,重要な概念と特性に関する公式な枠組みを提唱する。
論文参考訳（メタデータ） (2024-03-29T17:50:28Z)
Multi-perspective Improvement of Knowledge Graph Completion with Large Language Models [95.31941227776711]
我々は,文脈知識の不足を補うMPIKGCを提案し,大規模言語モデル(LLM)をクエリすることでKGCを改善する。我々は4つの記述に基づくKGCモデルと4つのデータセットに基づくフレームワークの広範囲な評価を行い、リンク予測とトリプルト分類のタスクについて検討した。
論文参考訳（メタデータ） (2024-03-04T12:16:15Z)
Elaborative Simplification as Implicit Questions Under Discussion [51.17933943734872]
本稿では,QUD フレームワークのレンズによる共同作業の簡略化について考察する。本研究は,QUDを明示的にモデル化することで,作業の単純化と,作業内容と作業内容の関連性について,重要な理解が得られていることを示す。
論文参考訳（メタデータ） (2023-05-17T17:26:16Z)
Coalitional Bayesian Autoencoders -- Towards explainable unsupervised deep learning [78.60415450507706]
その結果,BAEの予測は高い相関関係にあり,誤解を招くことが示唆された。これを軽減するために、エージェントベースのシステム理論にインスパイアされた"Coalitional BAE"が提案されている。公開条件監視データセットに関する実験は、Coalitional BAEを用いた説明の質の向上を実証している。
論文参考訳（メタデータ） (2021-10-19T15:07:09Z)
Teach Me to Explain: A Review of Datasets for Explainable NLP [6.256505195819595]
説明可能なNLP(ExNLP)は、人間の注釈付き説明の収集にますます注力しています。これらの説明は、予測タスクのパフォーマンスを改善するためのデータ拡張、モデルに予測を説明するための説明を訓練するための損失信号、モデル生成された説明の品質を評価する手段として、下流の3つの方法で使用される。本稿では,3つの主要な説明クラス(highlights,free-text,structured)を特定し,各型に注釈を付けて文献を整理し,これまでに学んだことを指摘し,将来的にはexnlpデータセットの収集を推奨する。
論文参考訳（メタデータ） (2021-02-24T04:25:01Z)
Towards Interpretable Natural Language Understanding with Explanations as Latent Variables [146.83882632854485]
そこで本研究では,人間に注釈付き説明文の小さなセットだけを必要とする自然言語理解の枠組みを構築した。我々のフレームワークは、ニューラルネットワークの基本的な推論過程をモデル化する潜在変数として、自然言語の説明を扱う。
論文参考訳（メタデータ） (2020-10-24T02:05:56Z)
Hierarchical Poset Decoding for Compositional Generalization in Language [52.13611501363484]
出力が部分的に順序付けられた集合(命題)である構造化予測タスクとして人間の言語理解を形式化する。現在のエンコーダ・デコーダアーキテクチャは意味論のポーズ構造を適切に考慮していない。本稿では,言語における合成一般化のための新しい階層型ポーズデコーディングパラダイムを提案する。
論文参考訳（メタデータ） (2020-10-15T14:34:26Z)
Improving Compositional Generalization in Semantic Parsing [54.4720965813889]
オフ・オブ・ディストリビューション(OOD)データへのモデルの一般化は、最近、大きな注目を集めている。合成一般化のための自然なテストベッドである意味解析における合成一般化について検討する。
論文参考訳（メタデータ） (2020-10-12T12:34:58Z)
Model Agnostic Multilevel Explanations [31.831973884850147]
本稿では,典型的な局所的説明可能性法を前提として,マルチレベル説明木を構築するメタメソッドを提案する。この木の葉は局所的な説明に対応し、根は大域的な説明に対応し、中間レベルは群データポイントの説明に対応する。このようなマルチレベル構造は,データセット全体を特徴付ける説明をほとんど得られない,効果的なコミュニケーション形態でもある,と我々は主張する。
論文参考訳（メタデータ） (2020-03-12T20:18:00Z)
StructSum: Summarization via Structured Representations [27.890477913486787]
抽象テキスト要約は、長い資料の情報を要約した要約に圧縮することを目的としている。モデリング技術の進歩にもかかわらず、抽象的な要約モデルは依然としていくつかの重要な課題に悩まされている。本稿では,これらの課題に対処するための要約のための文書レベルの構造誘導に基づくフレームワークを提案する。
論文参考訳（メタデータ） (2020-03-01T20:32:51Z)

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。