論文の概要: A Survey of Implicit Discourse Relation Recognition
- arxiv url: http://arxiv.org/abs/2203.02982v1
- Date: Sun, 6 Mar 2022 15:12:53 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-08 16:22:00.123315
- Title: A Survey of Implicit Discourse Relation Recognition
- Title（参考訳）: インシシシトな談話関係認識に関する調査
- Authors: Wei Xiang and Bang Wang
- Abstract要約: 暗黙的談話関係認識(IDRR)は、暗黙的関係を検出し、接続性のない2つのテキストセグメント間でその感覚を分類することである。
この記事では、IDRRタスクに関する包括的で最新の調査を提供する。
- 参考スコア（独自算出の注目度）: 9.57170901247685
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: A discourse containing one or more sentences describes daily issues and
events for people to communicate their thoughts and opinions. As sentences are
normally consist of multiple text segments, correct understanding of the theme
of a discourse should take into consideration of the relations in between text
segments. Although sometimes a connective exists in raw texts for conveying
relations, it is more often the cases that no connective exists in between two
text segments but some implicit relation does exist in between them. The task
of implicit discourse relation recognition (IDRR) is to detect implicit
relation and classify its sense between two text segments without a connective.
Indeed, the IDRR task is important to diverse downstream natural language
processing tasks, such as text summarization, machine translation and so on.
This article provides a comprehensive and up-to-date survey for the IDRR task.
We first summarize the task definition and data sources widely used in the
field. We categorize the main solution approaches for the IDRR task from the
viewpoint of its development history. In each solution category, we present and
analyze the most representative methods, including their origins, ideas,
strengths and weaknesses. We also present performance comparisons for those
solutions experimented on a public corpus with standard data processing
procedures. Finally, we discuss future research directions for discourse
relation analysis.
- Abstract（参考訳）: 1つ以上の文を含む談話は、人々が自分の考えや意見を伝えるために日々の課題や出来事を記述する。
文は通常、複数のテキストセグメントで構成されているため、会話のテーマの正しい理解は、テキストセグメント間の関係を考慮する必要がある。
関係を伝えるために生のテキストに接続性が存在する場合もあるが、2つのテキストセグメントの間に接続性がない場合が多いが、それらの間に暗黙的な関係が存在する場合が多い。
暗黙的談話関係認識(IDRR)の課題は、暗黙的関係を検出し、接続性のない2つのテキストセグメント間でその感覚を分類することである。
実際、IDRRタスクは、テキスト要約や機械翻訳など、下流のさまざまな自然言語処理タスクにとって重要である。
この記事では、IDRRタスクに関する包括的で最新の調査を提供する。
まず、この分野で広く使われているタスク定義とデータソースをまとめます。
我々は,IDRRタスクに対する主要なソリューションアプローチを開発履歴の観点から分類する。
それぞれの解のカテゴリにおいて,その起源,アイデア,強み,弱みを含む最も代表的な方法を提示し,分析する。
また,標準データ処理手法を用いて公開コーパス上で実験したソリューションの性能比較を行った。
最後に, 談話関係分析の今後の研究方向について述べる。
関連論文リスト
- CERD: A Comprehensive Chinese Rhetoric Dataset for Rhetorical Understanding and Generation in Essays [30.728539221991188]
既存の修辞的データセットやコーパスは主に単一の粗いカテゴリや細かいカテゴリに焦点を当てている。
提案手法は,4つの大まかなカテゴリからなる中国エッセイレトリックデータセット(CERD)を提案する。
CERDは、手動で注釈付きで包括的な中国の修辞的データセットで、5つの相互関連サブタスクがある。
論文 参考訳（メタデータ） (2024-09-29T12:47:25Z) - Narrative Action Evaluation with Prompt-Guided Multimodal Interaction [60.281405999483]
ナラティブ・アクション・アセスメント(NAE)は、行動の実行を評価する専門家のコメントを作成することを目的としている。
NAEは、物語の柔軟性と評価の厳格さの両方を必要とするため、より困難なタスクです。
本稿では,様々な情報モダリティ間のインタラクションを容易にするための,プロンプト誘導型マルチモーダルインタラクションフレームワークを提案する。
論文 参考訳（メタデータ） (2024-04-22T17:55:07Z) - Explaining Interactions Between Text Spans [50.70253702800355]
入力の異なる部分からのトークンのスパンに対する推論は、自然言語理解に不可欠である。
NLUタスク2つのタスク(NLIとFC)に対する人間間相互作用の説明データセットであるSpanExを紹介する。
次に,複数の微調整された大言語モデルの決定過程を,スパン間の相互接続の観点から検討する。
論文 参考訳（メタデータ） (2023-10-20T13:52:37Z) - Topic Segmentation Model Focusing on Local Context [1.9871897882042773]
本稿では,2つの入力文を個別に処理し,適切な量の情報を得るためのシマセ文埋め込み層を提案する。
また、同じトピック予測(STP)、トピック分類(TC)、Next Sentence Prediction(NSP)といったマルチタスク学習手法も採用している。
論文 参考訳（メタデータ） (2023-01-05T06:57:42Z) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。
RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
論文 参考訳（メタデータ） (2022-12-17T05:25:17Z) - Dense Paraphrasing for Textual Enrichment [7.6233489924270765]
文構造において(必要に)表現されない意味論をDense Paraphrasing(DP)として明示しつつ、曖昧さを低減させるような文表現(レキセムやフレーズ)を書き換えるプロセスを定義する。
我々は、最初の完全なDPデータセットを構築し、アノテーションタスクのスコープと設計を提供し、このDPプロセスがどのようにソーステキストを豊かにし、推論とQAタスクのパフォーマンスを改善するかを示す。
論文 参考訳（メタデータ） (2022-10-20T19:58:31Z) - Improving Multi-task Generalization Ability for Neural Text Matching via
Prompt Learning [54.66399120084227]
最近の最先端のニューラルテキストマッチングモデル(PLM)は、様々なタスクに一般化することが難しい。
我々は、特殊化一般化訓練戦略を採用し、それをMatch-Promptと呼ぶ。
特殊化段階では、異なるマッチングタスクの記述はいくつかのプロンプトトークンにマッピングされる。
一般化段階において、テキストマッチングモデルは、多種多様なマッチングタスクを訓練することにより、本質的なマッチング信号を探索する。
論文 参考訳（メタデータ） (2022-04-06T11:01:08Z) - Pairwise Representation Learning for Event Coreference [73.10563168692667]
イベント参照ペアのためのペアワイズ表現学習(Pairwise Representation Learning, PairwiseRL)手法を開発した。
私たちの表現は、イベントとその引数のエンコーディングを容易にするために、テキストスニペットのより微細で構造化された表現をサポートします。
PairwiseRLは、その単純さにもかかわらず、クロスドキュメントとイントラドキュメントのイベントコアベンチマークベンチマークの両方において、従来の最先端のイベントコアシステムよりも優れていることを示す。
論文 参考訳（メタデータ） (2020-10-24T06:55:52Z) - Understanding Points of Correspondence between Sentences for Abstractive
Summarization [39.7404761923196]
本稿では,文書から引き出された文の融合について,対応点の概念を導入して検討する。
我々は、文書、ソースおよび融合文、および文間の対応点の人間のアノテーションを含むデータセットを作成する。
論文 参考訳（メタデータ） (2020-06-10T02:42:38Z)
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。