Fugu-MT 論文翻訳(概要): Entities, Dates, and Languages: Zero-Shot on Historical Texts with T0

論文の概要: Entities, Dates, and Languages: Zero-Shot on Historical Texts with T0

arxiv url: http://arxiv.org/abs/2204.05211v1
Date: Mon, 11 Apr 2022 15:56:13 GMT
ステータス: 処理完了
システム内更新日: 2022-04-12 16:45:18.346331
Title: Entities, Dates, and Languages: Zero-Shot on Historical Texts with T0
Title（参考訳）: エンティティ、日付、言語:T0による歴史的テキストのゼロショット
Authors: Francesco De Toni, Christopher Akiki, Javier de la Rosa, Cl\'ementine Fourrier, Enrique Manjavacas, Stefan Schweter, Daniel van Strien
Abstract要約: 本稿では,プロンプトベースのゼロショット・マルチランガルな名前付きエンティティ認識に対する単純なアプローチがエラーを起こしやすいことを示す。また、文書の公開日や言語を予測するため、T0ライクなモデルも探索可能であることを発見した。
参考スコア（独自算出の注目度）: 1.2402728252797406
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we explore whether the recently demonstrated zero-shot abilities of the T0 model extend to Named Entity Recognition for out-of-distribution languages and time periods. Using a historical newspaper corpus in 3 languages as test-bed, we use prompts to extract possible named entities. Our results show that a naive approach for prompt-based zero-shot multilingual Named Entity Recognition is error-prone, but highlights the potential of such an approach for historical languages lacking labeled datasets. Moreover, we also find that T0-like models can be probed to predict the publication date and language of a document, which could be very relevant for the study of historical texts.
Abstract（参考訳）: 本研究は,最近実証されたt0モデルのゼロショット能力が,分散言語や時間単位に対する名前付きエンティティ認識に拡張されるかどうかについて検討する。 3つの言語で歴史的な新聞コーパスをテストベッドとして使用し、名前付きエンティティの抽出にプロンプトを使用する。以上の結果から,プロンプトに基づくゼロショット・ゼロランゲージ・エンティティ認識に対するナイーブなアプローチは誤りやすいが,ラベル付きデータセットを欠いた歴史言語に対するアプローチの可能性を強調した。さらに,文献の出版日や言語を予測するため,T0様のモデルも探索可能であることも確認した。

関連論文リスト

Transfer Learning across Several Centuries: Machine and Historian Integrated Method to Decipher Royal Secretary's Diary [1.105375732595832]
歴史的テキストにおけるNERは、注釈付きコーパスの不足、多言語多様さ、様々なノイズ、現代の言語モデルとは全く異なる慣習といった課題に直面している。本稿では,何世紀にもわたって記録された韓国の歴史的コーパス(SeungJeongWonと名づけられた王立書記官日記)を紹介する。
論文参考訳（メタデータ） (2023-06-26T11:00:35Z)
An Open Dataset and Model for Language Identification [84.15194457400253]
マクロ平均F1スコア0.93、偽陽性率0.033を201言語で達成するLIDモデルを提案する。モデルとデータセットの両方を研究コミュニティに公開しています。
論文参考訳（メタデータ） (2023-05-23T08:43:42Z)
DocLangID: Improving Few-Shot Training to Identify the Language of Historical Documents [7.535751594024775]
言語識別とは、文書中の文章の言語を認識するタスクを指す。本稿では,未ラベルの歴史的文書の言語を識別するための移動学習手法であるDocLangIDを提案する。
論文参考訳（メタデータ） (2023-05-03T15:45:30Z)
Selective Annotation Makes Language Models Better Few-Shot Learners [97.07544941620367]
大規模な言語モデルはコンテキスト内学習を実行でき、いくつかのタスクデモから新しいタスクを学ぶことができる。本研究は、新しい自然言語タスクのためのデータセット作成において、文脈内学習がもたらす意味について考察する。本稿では,無教師付きグラフベースの選択的アノテーションであるvoke-kを提案する。
論文参考訳（メタデータ） (2022-09-05T14:01:15Z)
Czech Dataset for Cross-lingual Subjectivity Classification [13.70633147306388]
そこで本研究では,映画レビューや説明文から10kの注釈付き主観的,客観的な文を手作業で作成する新しいチェコ語主観性データセットを提案する。 2つのアノテータはデータセットにコーエンのカッパ間アノテータ契約の0.83に達した。新しいデータセットの単一言語ベースラインを設定するために、トレーニング済みのBERT風モデルを5つ微調整し、93.56%の精度を達成する。
論文参考訳（メタデータ） (2022-04-29T07:31:46Z)
Neural Label Search for Zero-Shot Multi-Lingual Extractive Summarization [80.94424037751243]
ゼロショット多言語抽出テキスト要約では、通常、モデルは英語のデータセットに基づいて訓練され、他の言語の要約データセットに適用される。本研究では,NLS(Neural Label Search for Summarization)を提案する。我々はMLSUMとWikiLinguaのデータセット上で多言語ゼロショット要約実験を行い、人間と自動両方の評価を用いて最先端の結果を得る。
論文参考訳（メタデータ） (2022-04-28T14:02:16Z)
Multilingual Generative Language Models for Zero-Shot Cross-Lingual Event Argument Extraction [80.61458287741131]
ゼロショット言語間イベント引数抽出(EAE)における多言語事前学習型生成言語モデルの活用について検討する。 EAEを言語生成タスクとして定式化することにより、イベント構造を効果的にエンコードし、引数間の依存関係をキャプチャする。提案するモデルでは,多言語事前学習型生成言語モデルを用いて,入力文から抽出した引数で言語に依存しないテンプレートを補う文を生成する。
論文参考訳（メタデータ） (2022-03-15T23:00:32Z)
Models and Datasets for Cross-Lingual Summarisation [78.56238251185214]
対象言語における多文要約に関連付けられたソース言語において,長い文書を含む言語間要約コーパスを提案する。コーパスは、チェコ語、英語、フランス語、ドイツ語の4つの言語について、12の言語対と指示をカバーしている。言語対応のウィキペディアのタイトルから、主節と記事の本体を組み合わせることで、ウィキペディアから言語横断的な文書要約インスタンスを導出する。
論文参考訳（メタデータ） (2022-02-19T11:55:40Z)
Towards Zero-shot Cross-lingual Image Retrieval and Tagging [1.4425878137951236]
テキスト側での言語間事前学習を用いたマルチモーダル表現学習のためのゼロショットアプローチを提案する。クラウドソーシングプラットフォームを用いて収集した7言語に,新たに1Kの多言語MSCOCO2014キャプションテストデータセット(XTD10)を導入する。また、多言語画像タグ付けのような下流タスクに対して、ゼロショット方式で言語間モデルをいかに使用できるかを実証する。
論文参考訳（メタデータ） (2021-09-15T23:39:15Z)
XL-WiC: A Multilingual Benchmark for Evaluating Semantic Contextualization [98.61159823343036]
単語の意味を正確にモデル化する能力を評価するために,Word-in-Context データセット (WiC) を提案する。我々は、XL-WiCという大規模なマルチ言語ベンチマークを提案し、12の新しい言語でゴールドスタンダードを特徴付けました。実験結果から、ターゲット言語にタグ付けされたインスタンスが存在しない場合でも、英語データのみにトレーニングされたモデルは、競争力のあるパフォーマンスが得られることが示された。
論文参考訳（メタデータ） (2020-10-13T15:32:00Z)
MTOP: A Comprehensive Multilingual Task-Oriented Semantic Parsing Benchmark [31.91964553419665]
我々はMTOPと呼ばれる新しい多言語データセットを提案し、11ドメインの6言語で100kの注釈付き発話を合成する。既存の2つの多言語データセットに対して、Slot F1上の+6.3ポイントの平均的な改善を、実験で報告された最良の結果よりも達成する。本稿では,事前学習モデルと自動翻訳とアライメントを組み合わせたゼロショット性能と,スロットラベル投影におけるノイズ低減のための遠隔監視手法を提案する。
論文参考訳（メタデータ） (2020-08-21T07:02:11Z)

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。