論文の概要: Towards Unification of Discourse Annotation Frameworks
- arxiv url: http://arxiv.org/abs/2204.07781v1
- Date: Sat, 16 Apr 2022 11:34:00 GMT
- ステータス: 処理完了
- システム内更新日: 2022-04-20 08:18:22.220985
- Title: Towards Unification of Discourse Annotation Frameworks
- Title(参考訳): 談話アノテーションフレームワークの統一に向けて
- Authors: Yingxue Fu
- Abstract要約: 我々は,異なるフレームワーク間の系統的関係を調査し,フレームワークを統一する手法を考案する。
フレームワーク統合の問題は長い間議論の的だったが、現時点では包括的なアプローチはない。
我々は、統合タスクに自動手段を使用し、構造的な複雑さと下流タスクで結果を評価する計画である。
- 参考スコア(独自算出の注目度): 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Discourse information is difficult to represent and annotate. Among the major
frameworks for annotating discourse information, RST, PDTB and SDRT are widely
discussed and used, each having its own theoretical foundation and focus.
Corpora annotated under different frameworks vary considerably. To make better
use of the existing discourse corpora and achieve the possible synergy of
different frameworks, it is worthwhile to investigate the systematic relations
between different frameworks and devise methods of unifying the frameworks.
Although the issue of framework unification has been a topic of discussion for
a long time, there is currently no comprehensive approach which considers
unifying both discourse structure and discourse relations and evaluates the
unified framework intrinsically and extrinsically. We plan to use automatic
means for the unification task and evaluate the result with structural
complexity and downstream tasks. We will also explore the application of the
unified framework in multi-task learning and graphical models.
- Abstract(参考訳): 談話情報は表現や注釈が難しい。
談話情報を注釈付けするための主要なフレームワークとして、RTT、PDTB、SDRTが広く議論され、それぞれに理論の基礎と焦点がある。
異なるフレームワークで注釈付けされたコーパスは、かなり異なる。
既存の談話コーパスをよりよく利用し、異なるフレームワークのシナジーを実現するためには、異なるフレームワーク間の系統的関係を調査し、フレームワークを統合する方法を考案する価値がある。
フレームワーク統一の問題は長い間議論の対象となっているが、現在、言論構造と言論関係の両方を統一し、内在的および外在的に統一フレームワークを評価する包括的アプローチは存在していない。
我々は、統合タスクに自動手段を使用し、構造的な複雑さと下流タスクで結果を評価する計画である。
マルチタスク学習とグラフィカルモデルにおける統一フレームワークの適用についても検討する。
関連論文リスト
- Understanding In-Context Learning with a Pelican Soup Framework [27.144616560712493]
本稿では,自然言語処理における文脈内学習の理論的枠組みを提案する。
本研究は,文脈内学習におけるフレームワークの有効性を実証するものである。
論文 参考訳(メタデータ) (2024-02-16T03:20:14Z) - An Encoding of Abstract Dialectical Frameworks into Higher-Order Logic [57.24311218570012]
このアプローチは抽象弁証法フレームワークのコンピュータ支援分析を可能にする。
応用例としては、メタ理論的性質の形式的解析と検証がある。
論文 参考訳(メタデータ) (2023-12-08T09:32:26Z) - DiPlomat: A Dialogue Dataset for Situated Pragmatic Reasoning [89.92601337474954]
プラグマティック推論は、実生活における会話でしばしば起こる暗黙の意味を解読する上で重要な役割を担っている。
そこで我々は,現実的な推論と会話理解の場所に関するマシンの能力のベンチマークを目的とした,新しい挑戦であるDiPlomatを紹介した。
論文 参考訳(メタデータ) (2023-06-15T10:41:23Z) - Revisiting Conversation Discourse for Dialogue Disentanglement [88.3386821205896]
本稿では,対話談話特性を最大限に活用し,対話の絡み合いを高めることを提案する。
我々は,会話の意味的文脈をより良くモデル化するために,リッチな構造的特徴を統合する構造認識フレームワークを開発した。
我々の研究は、より広範なマルチスレッド対話アプリケーションを促進する大きな可能性を秘めている。
論文 参考訳(メタデータ) (2023-06-06T19:17:47Z) - Variational Cross-Graph Reasoning and Adaptive Structured Semantics
Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。
新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。
ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文 参考訳(メタデータ) (2023-01-22T08:02:23Z) - Utterance Rewriting with Contrastive Learning in Multi-turn Dialogue [22.103162555263143]
比較学習とマルチタスク学習を導入し、問題を共同でモデル化する。
提案手法は,複数の公開データセット上での最先端性能を実現する。
論文 参考訳(メタデータ) (2022-03-22T10:13:27Z) - Toward an Idiomatic Framework for Cognitive Robotics [3.560429497877326]
本稿では,認知ロボティクスを指向した認知アーキテクチャ開発のための新しいフレームワークを提案する。
提案フレームワークの目的は,既存の成果の協調や軽減,再利用を奨励し,認知的アーキテクチャの開発を容易にすることにある。
論文 参考訳(メタデータ) (2021-11-25T11:13:35Z) - XAI Handbook: Towards a Unified Framework for Explainable AI [5.716475756970092]
説明可能なAI(XAI)の分野は急速に繁栄し、多産なコミュニティになっている。
それぞれの新しい貢献は、それぞれ独自の(そしてしばしば直感的な)「説明」や「解釈」といった用語に依存するように見える。
我々は,これらの用語の具体的定義を提供するだけでなく,説明や解釈に必要なすべてのステップを概説する理論的枠組みを提案する。
論文 参考訳(メタデータ) (2021-05-14T07:28:21Z) - Structured Attention for Unsupervised Dialogue Structure Induction [110.12561786644122]
本稿では、構造化された注意層を離散潜在状態を持つ変化型リカレントニューラルネットワーク(VRNN)モデルに組み込んで、教師なしの方法で対話構造を学ぶことを提案する。
バニラVRNNと比較して、構造化された注意は、構造的帰納バイアスを強制しながら、ソース文の埋め込みの異なる部分にフォーカスすることができる。
論文 参考訳(メタデータ) (2020-09-17T23:07:03Z) - Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。
BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
論文 参考訳(メタデータ) (2020-04-14T02:32:10Z)
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。