Fugu-MT 論文翻訳(概要): Using dependency parsing for few-shot learning in distributional semantics

論文の概要: Using dependency parsing for few-shot learning in distributional semantics

arxiv url: http://arxiv.org/abs/2205.06168v1
Date: Thu, 12 May 2022 15:45:10 GMT
ステータス: 翻訳完了
システム内更新日: 2022-05-13 16:31:05.011314
Title: Using dependency parsing for few-shot learning in distributional semantics
Title（参考訳）: 分布セマンティクスにおける最小ショット学習のための依存構文解析の利用
Authors: Stefania Preda and Guy Emerson
Abstract要約: 背景空間として依存性ベースの単語埋め込みモデルを用いて、数ショットの学習を行う。本稿では,加法ベースラインモデルを強化する2つの数ショット学習手法を提案する。
参考スコア（独自算出の注目度）: 12.640283469603355
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this work, we explore the novel idea of employing dependency parsing information in the context of few-shot learning, the task of learning the meaning of a rare word based on a limited amount of context sentences. Firstly, we use dependency-based word embedding models as background spaces for few-shot learning. Secondly, we introduce two few-shot learning methods which enhance the additive baseline model by using dependencies.
Abstract（参考訳）: 本研究では,限られた文脈文に基づいて稀な単語の意味を学習するタスクである,少数ショット学習の文脈における依存性解析情報を活用するという新しいアイデアを探求する。まず、背景空間として依存性ベースの単語埋め込みモデルを用いて、数ショットの学習を行う。第二に,依存性を用いることでベースラインモデルの付加性を高める,二点学習手法を提案する。

関連論文リスト

A Distributional Perspective on Word Learning in Neural Language Models [57.41607944290822]
言語モデルにおける単語学習のための広く合意されたメトリクスは存在しない。我々は、先行研究で研究された分布シグネチャは、重要な分布情報の取得に失敗すると主張している。我々は、スクラッチから訓練する小さな言語モデルを選択するための学習軌跡を得る。
論文参考訳（メタデータ） (2025-02-09T13:15:59Z)
Manual Verbalizer Enrichment for Few-Shot Text Classification [1.860409237919611]
acrshortmaveは、クラスラベルの豊か化による動詞化のためのアプローチである。本モデルでは, 資源を著しく減らしながら, 最先端の成果が得られている。
論文参考訳（メタデータ） (2024-10-08T16:16:47Z)
The Short Text Matching Model Enhanced with Knowledge via Contrastive Learning [8.350445155753167]
本稿では,コントラスト学習と外部知識を組み合わせた短いテキストマッチングモデルを提案する。ノイズを避けるため、原文の主文としてキーワードを用いて、知識ベースで対応する知識語を検索する。設計モデルは,2つの公開可能な中国語テキストマッチングデータセット上で,最先端のパフォーマンスを実現する。
論文参考訳（メタデータ） (2023-04-08T03:24:05Z)
Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。我々のモデルは、$N$言語で並列データを操作する。本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
論文参考訳（メタデータ） (2022-12-21T02:41:40Z)
Multi-Modal Few-Shot Object Detection with Meta-Learning-Based Cross-Modal Prompting [77.69172089359606]
本稿では,マルチモーダルな複数ショットオブジェクト検出(FSOD)について,少数ショット視覚例とクラスセマンティック情報の両方を用いて検討する。我々のアプローチは、(メトリックベース)メタラーニングとプロンプトベースラーニングの高レベルな概念的類似性によって動機付けられている。提案するマルチモーダルFSODモデルを,複数の複数ショットオブジェクト検出ベンチマークで総合的に評価し,有望な結果を得た。
論文参考訳（メタデータ） (2022-04-16T16:45:06Z)
On the Efficiency of Integrating Self-supervised Learning and Meta-learning for User-defined Few-shot Keyword Spotting [51.41426141283203]
ユーザ定義キーワードスポッティングは、ユーザが定義する新しい音声用語を検出するタスクである。これまでの研究は、自己教師付き学習モデルを取り入れたり、メタ学習アルゴリズムを適用しようとするものだった。この結果から,HuBERTとMatching Networkを組み合わせることで,最適な結果が得られることがわかった。
論文参考訳（メタデータ） (2022-04-01T10:59:39Z)
Dependency Induction Through the Lens of Visual Perception [81.91502968815746]
本稿では,単語の具体性を利用した教師なし文法帰納モデルと,構成的視覚に基づく構成的文法を共同学習する手法を提案する。実験により,提案した拡張は,文法的サイズが小さい場合でも,現在最先端の視覚的接地モデルよりも優れた性能を示すことが示された。
論文参考訳（メタデータ） (2021-09-20T18:40:37Z)
Learning to Bridge Metric Spaces: Few-shot Joint Learning of Intent Detection and Slot Filling [29.218780709974244]
そこで本研究では,データリッチドメイン上で意図とスロットの計量空間をブリッジする学習手法を提案する。われわれのモデルは、1ショットと5ショット設定で強いベースラインをはるかに上回っている。
論文参考訳（メタデータ） (2021-05-25T15:07:11Z)
Multilingual Irony Detection with Dependency Syntax and Neural Models [61.32653485523036]
これは構文知識からの貢献に焦点を当て、普遍依存スキームに従って構文が注釈付けされた言語資源を活用する。その結果, 依存性をベースとした微粒な構文情報は, アイロンの検出に有用であることが示唆された。
論文参考訳（メタデータ） (2020-11-11T11:22:05Z)
Learning Half-Spaces and other Concept Classes in the Limit with Iterative Learners [0.0]
情報提供者からの反復学習には,非U字型学習が強く制限されていることを示す。また,半空間の概念クラスの学習可能性についても検討し,半空間の集合を情報提供者から学習するための構成的反復アルゴリズムを提案する。
論文参考訳（メタデータ） (2020-10-07T07:20:50Z)
Mutlitask Learning for Cross-Lingual Transfer of Semantic Dependencies [21.503766432869437]
我々は,意味的アノテーションのない言語に対して,広範囲なセマンティック依存関係を開発する。我々はアノテーション投影法と組み合わせたマルチタスク学習フレームワークを利用する。ドメイン内のSemEvalデータにおいて、最良マルチタスクモデルにより、単一タスクベースライン上のラベル付きF1スコアが1.8向上することを示す。
論文参考訳（メタデータ） (2020-04-30T17:09:51Z)
Word Sense Disambiguation for 158 Languages using Word Embeddings Only [80.79437083582643]
文脈における単語感覚の曖昧さは人間にとって容易であるが、自動的アプローチでは大きな課題である。本稿では,学習前の標準単語埋め込みモデルを入力として,完全に学習した単語認識のインベントリを誘導する手法を提案する。この手法を用いて、158の言語に対して、事前訓練されたfastText単語の埋め込みに基づいて、センスインベントリのコレクションを誘導する。
論文参考訳（メタデータ） (2020-03-14T14:50:04Z)

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。