論文の概要: Logical Inference for Counting on Semi-structured Tables

• arxiv url: http://arxiv.org/abs/2204.07803v1
• Date: Sat, 16 Apr 2022 14:08:43 GMT
• ステータス: 処理完了
• システム内更新日: 2022-04-19 14:29:32.709102
• Title: Logical Inference for Counting on Semi-structured Tables
• Title（参考訳）: 半構造化表上のカウントの論理推論
• Authors: Tomoya Kurosawa, Hitomi Yanaka
• Abstract要約: 半構造化テーブルとテキスト間の推論のための論理推論システムを提案する。 本システムでは,数値的な理解を必要とするテーブルとテキスト間の推論をより堅牢に行うことができることを示す。
• 参考スコア（独自算出の注目度）: 9.683269364766426
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Recently, the Natural Language Inference (NLI) task has been studied for semi-structured tables that do not have a strict format. Although neural approaches have achieved high performance in various types of NLI, including NLI between semi-structured tables and texts, they still have difficulty in performing a numerical type of inference, such as counting. To handle a numerical type of inference, we propose a logical inference system for reasoning between semi-structured tables and texts. We use logical representations as meaning representations for tables and texts and use model checking to handle a numerical type of inference between texts and tables. To evaluate the extent to which our system can perform inference with numerical comparatives, we make an evaluation protocol that focuses on numerical understanding between semi-structured tables and texts in English. We show that our system can more robustly perform inference between tables and texts that requires numerical understanding compared with current neural approaches.
• Abstract（参考訳）: 近年,厳密な形式を持たない半構造化テーブルに対して,自然言語推論(NLI)タスクが研究されている。 ニューラルネットワークは、半構造化テーブルとテキスト間のNLIを含む様々なタイプのNLIで高い性能を達成しているが、カウントなどの数値型推論の実行には依然として困難である。 数値型推論を扱うために,半構造化テーブルとテキスト間の推論のための論理推論システムを提案する。 論理表現を表とテキストの意味表現として使用し,テキストとテーブル間の数値型推論をモデルチェックで処理する。 そこで,本研究では,半構造化表と英語のテキスト間の数値的理解に着目した評価プロトコルを構築した。 本システムでは,現在のニューラルアプローチと比較して,数値理解を必要とするテーブルとテキスト間の推論をより頑健に行えることを示す。

関連論文リスト

• Making Pre-trained Language Models Great on Tabular Prediction [50.70574370855663]
  ディープニューラルネットワーク(DNN)の転送性は、画像および言語処理において著しく進歩している。 本稿では,表型データ予測のための訓練済みLMであるTP-BERTaを提案する。 新たな相対等級トークン化では、スカラー数値の特徴値を細分化した高次元トークンに変換し、特徴値と対応する特徴名を統合する。
  論文  参考訳（メタデータ） (2024-03-04T08:38:56Z)
• Evaluating LLMs' Mathematical Reasoning in Financial Document Question Answering [53.56653281752486]
  本研究では,大言語モデルによる4つの財務質問応答データセットの数学的推論について検討する。 数理推論のステップの数が増えるにつれて、テーブルの複雑さや性能の変化に対する感度に焦点をあてる。 半構造化文書に適した新しいプロンプト技術を導入する。
  論文  参考訳（メタデータ） (2024-02-17T05:10:18Z)
• Towards Table-to-Text Generation with Pretrained Language Model: A Table Structure Understanding and Text Deliberating Approach [60.03002572791552]
  本稿では,テーブル構造理解とテキスト検討手法,すなわちTASDを提案する。 具体的には,表構造を考慮したテキスト生成モデルを実現するために,三層多層アテンションネットワークを考案する。 われわれのアプローチは、様々な種類のテーブルに対して忠実で流動的な記述テキストを生成することができる。
  論文  参考訳（メタデータ） (2023-01-05T14:03:26Z)
• MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text Generation [102.20036684996248]
  多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。 WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
  論文  参考訳（メタデータ） (2022-12-16T17:36:23Z)
• Dynamic Prompt Learning via Policy Gradient for Semi-structured Mathematical Reasoning [150.17907456113537]
  数学的な推論を必要とする38,431のグレードレベルの問題を含む新しいデータセットであるTabular Math Word Problems (TabMWP)を提案する。 我々は,GPT-3モデルを含む,TabMWP上での事前学習モデルの評価を行った。 本稿では、ポリシー勾配を利用して、少量のトレーニングデータからコンテキスト内サンプルを選択する新しいアプローチ、PromptPGを提案する。
  論文  参考訳（メタデータ） (2022-09-29T08:01:04Z)
• LogicInference: A New Dataset for Teaching Logical Inference to seq2seq Models [4.186923466475792]
  本稿では,論理推論を行うモデルの能力を評価する新しいデータセットであるLogicInferenceを提案する。 このデータセットは、命題論理と一階述語論理の小さなサブセットを用いた推論に焦点を当てている。 また、このデータセットに初期ベースラインを確立するために、機械学習モデルの集合を用いて初期結果を報告する。
  論文  参考訳（メタデータ） (2022-03-28T21:13:22Z)
• Learning Better Representation for Tables by Self-Supervised Tasks [23.69766883380125]
  本稿では,表表現の学習を支援するために,数値順序付けと有意順序付けという2つの自己教師型タスクを提案する。 本手法はNBAゲーム統計と関連ニュースからなるROTOWIREを用いて検証する。
  論文  参考訳（メタデータ） (2020-10-15T09:03:38Z)
• GraPPa: Grammar-Augmented Pre-Training for Table Semantic Parsing [117.98107557103877]
  テーブルセマンティック解析のための効果的な事前学習手法GraPPaを提案する。 我々は、同期文脈自由文法を用いて、高自由度テーブル上に合成質問ペアを構築する。 実世界のデータを表現できるモデルの能力を維持するため、マスキング言語モデリングも含んでいる。
  論文  参考訳（メタデータ） (2020-09-29T08:17:58Z)
• Logical Inferences with Comparatives and Generalized Quantifiers [18.58482811176484]
  自然言語推論タスクでは,比較のための論理推論システムが十分に開発されていない。 英語の様々な比較構成をカテゴリー文法(CCG)を通して意味表現にマッピングする構成意味論を提案する。 このシステムは,最近のディープラーニングモデルと同様に,従来の論理ベースの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） (2020-05-16T11:11:48Z)
• INFOTABS: Inference on Tables as Semi-structured Data [39.84930221015755]
  我々は,ウィキペディアのインフォボックスから抽出されたテーブルである前提に基づいて,人間によるテキスト仮説からなるINFOTABSという新しいデータセットを導入する。 解析の結果,半構造的,多領域的,異種的の性質は複雑で多面的推論を許容していることがわかった。 実験の結果、人間アノテータはテーブル-仮説のペア間の関係について合意する一方で、いくつかの標準的なモデリング戦略はそのタスクにおいて失敗していることがわかった。
  論文  参考訳（メタデータ） (2020-05-13T02:07:54Z)

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。