Fugu-MT 論文翻訳(概要): Cross-lingual Inference with A Chinese Entailment Graph

論文の概要: Cross-lingual Inference with A Chinese Entailment Graph

arxiv url: http://arxiv.org/abs/2203.06264v1
Date: Fri, 11 Mar 2022 21:45:33 GMT
ステータス: 処理完了
システム内更新日: 2022-03-20 03:45:26.218948
Title: Cross-lingual Inference with A Chinese Entailment Graph
Title（参考訳）: 中国語補足グラフを用いた言語間推論
Authors: Tianyi Li, Sabine Weber, Mohammad Javad Hosseini, Liane Guillou, Mark Steedman
Abstract要約: 我々は,新しい高速なオープンリレーショナル抽出法を用いて,中国のエンテリメントグラフ構築のための最初のパイプラインを提案する。中国語と英語のエンタテインメントグラフのアンサンブルは単言語グラフよりも優れており、教師なしSOTAを4.7AUCポイント向上させる。
参考スコア（独自算出の注目度）: 16.51545658446738
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Predicate entailment detection is a crucial task for question-answering from text, where previous work has explored unsupervised learning of entailment graphs from typed open relation triples. In this paper, we present the first pipeline for building Chinese entailment graphs, which involves a novel high-recall open relation extraction (ORE) method and the first Chinese fine-grained entity typing dataset under the FIGER type ontology. Through experiments on the Levy-Holt dataset, we verify the strength of our Chinese entailment graph, and reveal the cross-lingual complementarity: on the parallel Levy-Holt dataset, an ensemble of Chinese and English entailment graphs outperforms both monolingual graphs, and raises unsupervised SOTA by 4.7 AUC points.
Abstract（参考訳）: 述語包含検出はテキストからの質問応答にとって重要なタスクであり、前回の研究では、型付きオープン関係三重項からの包含グラフの教師なし学習を探求している。本稿では,FIGER型オントロジーの下で,新しいハイリコールオープンリレーショナルリレーション抽出(ORE)法と,中国初の粒度のエンティティ型付けデータセットを含む,中国のエンテーメントグラフ構築のための最初のパイプラインを提案する。 Levy-Holtデータセットを用いた実験により、中国語のエンタテインメントグラフの強さを検証し、平行なLevi-Holtデータセットにおいて、中国語と英語のエンタテインメントグラフのアンサンブルがモノリンガルグラフの両方より優れ、教師なしSOTAを4.7AUCポイント向上させる。

関連論文リスト

Subgraph Retrieval Enhanced by Graph-Text Alignment for Commonsense Question Answering [6.9841561321072465]
常識的な質問応答は、機械が常識に従って推論を採用することを要求する重要なタスクである。以前の研究では、主にKGの情報を活用するために抽出とモデリングのパラダイムを用いていた。 textbfSubgraph RtextbfEtrieval Enhanced by GratextbfPh-textbfText textbfAlignment, named textbfSEPTA。
論文参考訳（メタデータ） (2024-11-11T10:57:31Z)
When Graph Data Meets Multimodal: A New Paradigm for Graph Understanding and Reasoning [54.84870836443311]
本稿では,画像エンコーディングとマルチモーダル技術を統合することで,グラフデータの理解と推論を行う新しいパラダイムを提案する。このアプローチは, GPT-4Vの高度な機能を利用して, 命令応答形式によるグラフデータの理解を可能にする。研究は、このパラダイムを様々なグラフタイプで評価し、特に中国のOCRパフォーマンスと複雑な推論タスクにおいて、モデルの強みと弱みを強調した。
論文参考訳（メタデータ） (2023-12-16T08:14:11Z)
Automatic Data Visualization Generation from Chinese Natural Language Questions [23.777512332679194]
本論文では,中国語のテキスト・ツー・ヴィジュアライズ・データセットを提案し,この問題に対処するための最初の試みを実証する。我々のモデルは,多言語BERTをエンコーダとして統合し,言語間能力を高め,語表現学習に$n$-gramの情報を注入する。
論文参考訳（メタデータ） (2023-09-14T12:16:21Z)
ConGraT: Self-Supervised Contrastive Pretraining for Joint Graph and Text Embeddings [20.25180279903009]
テキスト分散グラフ(TAG)におけるテキストとノードの分離表現を共同学習するためのContrastive Graph-Text Pretraining(ConGraT)を提案する。提案手法は言語モデル(LM)とグラフニューラルネットワーク(GNN)を訓練し,CLIPにインスパイアされたバッチワイドコントラスト学習目標を用いて,それらの表現を共通の潜在空間に整列させる。実験により、ConGraTは、ノードとテキストのカテゴリ分類、リンク予測、言語モデリングなど、さまざまな下流タスクのベースラインよりも優れていることが示された。
論文参考訳（メタデータ） (2023-05-23T17:53:30Z)
You Only Transfer What You Share: Intersection-Induced Graph Transfer Learning for Link Prediction [79.15394378571132]
従来見過ごされていた現象を調査し、多くの場合、元のグラフに対して密に連結された補グラフを見つけることができる。より密度の高いグラフは、選択的で有意義な知識を伝達するための自然なブリッジを提供する元のグラフとノードを共有することができる。この設定をグラフインターセクション誘導トランスファーラーニング(GITL)とみなし,eコマースや学術共同オーサシップ予測の実践的応用に動機づけられた。
論文参考訳（メタデータ） (2023-02-27T22:56:06Z)
Unsupervised Extractive Summarization with Heterogeneous Graph Embeddings for Chinese Document [5.9630342951482085]
中国語文書にヘテロジニアスグラフ埋め込み (HGE) を組み込んだ教師なし抽出サマリザイトン法を提案する。実験結果から,本手法は3つの要約データセットにおいて,強いベースラインを一貫して上回ることを示した。
論文参考訳（メタデータ） (2022-11-09T06:07:31Z)
Entailment Graph Learning with Textual Entailment and Soft Transitivity [69.91691115264132]
テキスト・エンタテインメント・トランジシティー(EGT2)を用いた2段階のエンタテインメント・グラフを提案する。 EGT2 は CCG パースした述語によって形成されるテンプレート文間のテキスト的含意を認識することにより、局所的含意関係を学習する。生成した局所グラフに基づいて、EGT2は3つの新しいソフトな推移性制約を用いて、包含構造における論理的推移性を考える。
論文参考訳（メタデータ） (2022-04-07T08:33:06Z)
EventNarrative: A large-scale Event-centric Dataset for Knowledge Graph-to-Text Generation [8.216976747904726]
EventNarrativeは,約23万のグラフと,対応する自然言語テキストで構成されている。私たちの目標は2つある – データが不足しているイベント中心の研究において,新たな基盤を突破する上で,研究者が明確に定義された大規模データセットを提供することです。
論文参考訳（メタデータ） (2021-10-30T15:39:20Z)
Vectorization and Rasterization: Self-Supervised Learning for Sketch and Handwriting [168.91748514706995]
自己監督型機能学習のための2つの新しいクロスモーダル翻訳プリテキストタスクを提案する:ベクトル化とラスタリゼーション。当社の学習したエンコーダモジュールは、手書きデータを分析するために、ベースとベクターの両方のダウンストリームアプローチに役立ちます。
論文参考訳（メタデータ） (2021-03-25T09:47:18Z)
Language and Visual Entity Relationship Graph for Agent Navigation [54.059606864535304]
VLN(Vision-and-Language Navigation)は、エージェントが自然言語の指示に従って現実世界の環境をナビゲートする必要がある。テキストと視覚間のモーダル関係をモデル化するための新しい言語とビジュアルエンティティ関係グラフを提案する。実験によって、私たちは最先端技術よりも改善できる関係を利用しています。
論文参考訳（メタデータ） (2020-10-19T08:25:55Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)

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。