Fugu-MT 論文翻訳(概要): SOCIOFILLMORE: A Tool for Discovering Perspectives

論文の概要: SOCIOFILLMORE: A Tool for Discovering Perspectives

arxiv url: http://arxiv.org/abs/2203.03438v1
Date: Mon, 7 Mar 2022 14:42:22 GMT
ステータス: 処理完了
システム内更新日: 2022-03-08 16:19:59.806352
Title: SOCIOFILLMORE: A Tool for Discovering Perspectives
Title（参考訳）: SOCIOFILLMORE: 視点を明らかにするツール
Authors: Gosse Minnema, Sara Gemelli, Chiara Zanchi, Tommaso Caselli, Malvina Nissim
Abstract要約: SOCIOFILLMOREは、テキストがイベントを描写する際に表現する視点をフォアに導くのに役立つツールである。我々のツールは、人間の判断を大量に集めることで、理論的にはフレームのセマンティクスと認知言語学に基礎を置いています。
参考スコア（独自算出の注目度）: 10.189255026322996
License: http://creativecommons.org/licenses/by-nc-sa/4.0/
Abstract: SOCIOFILLMORE is a multilingual tool which helps to bring to the fore the focus or the perspective that a text expresses in depicting an event. Our tool, whose rationale we also support through a large collection of human judgements, is theoretically grounded on frame semantics and cognitive linguistics, and implemented using the LOME frame semantic parser. We describe SOCIOFILLMORE's development and functionalities, show how non-NLP researchers can easily interact with the tool, and present some example case studies which are already incorporated in the system, together with the kind of analysis that can be visualised.
Abstract（参考訳）: SOCIOFILLMOREは、テキストがイベントを描写する際に表現する焦点や視点をフォアに持ち込むのに役立つ多言語ツールである。我々のツールは、人間の判断を大量に集めることで、理論的にはフレームセマンティクスと認知言語学に基づいており、LOMEフレームセマンティクスパーサを用いて実装されている。我々は,SOCIOFILLMOREの開発と機能について述べるとともに,非NLP研究者がツールを容易に操作できることを示し,システムにすでに組み込まれているいくつかの事例研究と,視覚化可能な分析方法を紹介する。

関連論文リスト

COLT: Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
そこで我々は,Collaborative Learning-based Tool Retrieval approach, COLTを提案する。 COLTはユーザクエリとツール記述のセマンティックな類似性をキャプチャする。また、ツールの協調的な情報も考慮に入れている。
論文参考訳（メタデータ） (2024-05-25T06:41:23Z)
Hierarchical Text-to-Vision Self Supervised Alignment for Improved Histopathology Representation Learning [64.1316997189396]
病理組織像のための新しい言語型自己教師学習フレームワーク,階層型言語型自己監督(HLSS)を提案する。その結果,OpenSRH と TCGA の2つの医用画像ベンチマークにおいて,最先端の性能が得られた。
論文参考訳（メタデータ） (2024-03-21T17:58:56Z)
Riveter: Measuring Power and Social Dynamics Between Entities [20.672174024510745]
Riveterはテキストコーパスのエンティティに関連する動詞の意味を分析するための完全なパイプラインを提供する。このパッケージには感情、力、エージェンシーといった意味の枠組みが組み込まれており、社会現象を捉えるのに有用であることが示されている。
論文参考訳（メタデータ） (2023-12-15T05:03:24Z)
TPE: Towards Better Compositional Reasoning over Conceptual Tools with Multi-persona Collaboration [38.63262397010507]
大規模言語モデル(LLM)は、様々な機能ツールの使用を計画する際、例外的な性能を示した。マルチパーソナライズ・コラボレーション・フレームワークThink-Plan-Execute(TPE)について紹介する。このフレームワークはレスポンス生成プロセスを、Thinker、Planner、Executorの3つの異なる役割に分離する。
論文参考訳（メタデータ） (2023-09-28T01:18:53Z)
Contextual Object Detection with Multimodal Large Language Models [78.30374204127418]
本稿では,コンテキストオブジェクト検出の新たな研究課題について紹介する。言語クローゼテスト,視覚キャプション,質問応答の3つの代表的なシナリオについて検討した。本稿では、視覚的コンテキストのエンドツーエンドの微分可能なモデリングが可能な統合マルチモーダルモデルContextDETを提案する。
論文参考訳（メタデータ） (2023-05-29T17:50:33Z)
Scholastic: Graphical Human-Al Collaboration for Inductive and Interpretive Text Analysis [20.008165537258254]
解釈学者は、意味のあるテーマが現れるまで、文書を手作業でサンプリングし、コードを適用し、コードをカテゴリに書き換え、照合することで、テキストコーパスから知識を生成する。大規模なコーパスがあれば、機械学習はデータのサンプリングと分析をスケールするのに役立ちますが、以前の研究は、専門家が一般的に、解釈奨学金の破壊や推進に懸念を抱いていることを示しています。我々は,機械・イン・ザ・ループクラスタリングアルゴリズムに関わる問題に対処するために,人間中心の設計アプローチを採り入れ,解釈テキスト分析を足場とした。
論文参考訳（メタデータ） (2022-08-12T06:41:45Z)
Self-Supervised Visual Representation Learning with Semantic Grouping [50.14703605659837]
我々は、未ラベルのシーン中心のデータから視覚表現を学習する問題に取り組む。本研究では,データ駆動型セマンティックスロット,すなわちSlotConによる協調型セマンティックグルーピングと表現学習のためのコントラスト学習を提案する。
論文参考訳（メタデータ） (2022-05-30T17:50:59Z)
TextEssence: A Tool for Interactive Analysis of Semantic Shifts Between Corpora [14.844685568451833]
TextEssenceは、埋め込みを用いたコーポラの比較分析を可能にするインタラクティブなシステムです。 TextEssenceには、軽量なWebベースのインターフェイスに、ビジュアル、隣り合わせ、および類似性ベースの組み込み分析モードが含まれています。
論文参考訳（メタデータ） (2021-03-19T21:26:28Z)
MAF: Multimodal Alignment Framework for Weakly-Supervised Phrase Grounding [74.33171794972688]
本稿では,詳細な視覚表現と視覚認識言語表現を活用することで,句オブジェクトの関連性をモデル化するアルゴリズムを提案する。広く採用されているFlickr30kデータセットで実施された実験は、既存の弱教師付き手法よりも大幅に改善されている。
論文参考訳（メタデータ） (2020-10-12T00:43:52Z)
Visually Analyzing Contextualized Embeddings [2.802183323381949]
本稿では,ディープニューラルネットワークに基づく言語モデルによって生成された文脈的埋め込みを視覚的に解析する手法を提案する。我々のアプローチは自然言語処理のための言語探索から着想を得ており、タスクは言語構造のための言語モデルを探索するために設計されている。
論文参考訳（メタデータ） (2020-09-05T15:40:51Z)
Object Relational Graph with Teacher-Recommended Learning for Video Captioning [92.48299156867664]
本稿では,新しいモデルと効果的なトレーニング戦略の両方を含む完全なビデオキャプションシステムを提案する。具体的には,オブジェクトリレーショナルグラフ(ORG)に基づくエンコーダを提案する。一方,教師推薦学習(TRL)手法を設計し,成功した外部言語モデル(ELM)をフル活用し,豊富な言語知識をキャプションモデルに統合する。
論文参考訳（メタデータ） (2020-02-26T15:34:52Z)

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。