論文の概要: Noun2Verb: Probabilistic frame semantics for word class conversion
- arxiv url: http://arxiv.org/abs/2205.06321v1
- Date: Thu, 12 May 2022 19:16:12 GMT
- ステータス: 処理完了
- システム内更新日: 2022-05-17 02:07:17.671997
- Title: Noun2Verb: Probabilistic frame semantics for word class conversion
- Title（参考訳）: noun2verb: 単語クラス変換のための確率的フレームセマンティクス
- Authors: Lei Yu, Yang Xu
- Abstract要約: 本稿では,新規な名詞用動詞の生成と理解をシミュレートする形式的枠組みを提案する。
話者とリスナーが協調して意味的フレーム要素上の結合分布を学習するモデルは、経験的名詞使用法をよりよく説明できることを示す。
- 参考スコア（独自算出の注目度）: 8.939269057094661
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Humans can flexibly extend word usages across different grammatical classes,
a phenomenon known as word class conversion. Noun-to-verb conversion, or
denominal verb (e.g., to Google a cheap flight), is one of the most prevalent
forms of word class conversion. However, existing natural language processing
systems are impoverished in interpreting and generating novel denominal verb
usages. Previous work has suggested that novel denominal verb usages are
comprehensible if the listener can compute the intended meaning based on shared
knowledge with the speaker. Here we explore a computational formalism for this
proposal couched in frame semantics. We present a formal framework, Noun2Verb,
that simulates the production and comprehension of novel denominal verb usages
by modeling shared knowledge of speaker and listener in semantic frames. We
evaluate an incremental set of probabilistic models that learn to interpret and
generate novel denominal verb usages via paraphrasing. We show that a model
where the speaker and listener cooperatively learn the joint distribution over
semantic frame elements better explains the empirical denominal verb usages
than state-of-the-art language models, evaluated against data from 1)
contemporary English in both adult and child speech, 2) contemporary Mandarin
Chinese, and 3) the historical development of English. Our work grounds word
class conversion in probabilistic frame semantics and bridges the gap between
natural language processing systems and humans in lexical creativity.
- Abstract（参考訳）: 人間は、異なる文法クラス(単語クラス変換として知られる現象)にまたがって、柔軟に単語の使用を拡張できる。
名詞から動詞への変換(英: Noun-to-verb conversion, 英: Denominal verb)は、単語のクラス変換の最も一般的な形式の一つである。
しかし、既存の自然言語処理システムは、新しい動詞の解釈や生成に苦しめられている。
先行研究では、リスナーが話者との共有知識に基づいて意図した意味を計算できるならば、新しい語尾動詞の使用法が理解可能であることが示唆された。
ここでは,フレーム意味論に基づくこの提案の計算形式について考察する。
意味フレームにおける話者とリスナーの共有知識をモデル化し,新しい動詞用法の生成と理解をシミュレートする形式的枠組みであるnoun2verbを提案する。
パラフレーズによる新しい名詞用動詞の解釈と生成を学習する確率モデルを段階的に評価する。
本報告では,話者と聞き手が協調して意味フレーム上での協調分布を学習するモデルが,語用言語モデルよりも経験的語用動詞使用法をよりよく説明できることを示す。
1) 成人・子供両方の発話における現代英語
2)現代中国語、および
3)英語の歴史的発展。
我々の研究は、確率的フレームセマンティクスにおける単語のクラス変換を基礎とし、自然言語処理システムと人間の語彙的創造性のギャップを埋める。
関連論文リスト
- Probabilistic Transformer: A Probabilistic Dependency Model for
Contextual Word Representation [52.270712965271656]
本稿では,文脈表現の新しいモデルを提案する。
モデルのグラフは変換器に似ており、依存関係と自己意識の対応性がある。
実験により,本モデルが小型・中型データセットのトランスフォーマーと競合することを示す。
論文 参考訳（メタデータ） (2023-11-26T06:56:02Z) - Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。
自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文 参考訳（メタデータ） (2022-10-14T02:35:19Z) - GSRFormer: Grounded Situation Recognition Transformer with Alternate
Semantic Attention Refinement [73.73599110214828]
グラウンドドコンディション認識(GSR)は、人間のイベント理解のための画像の構造化されたセマンティックサマリーを生成することを目的としている。
オブジェクト検出とイメージキャプションタスクにインスパイアされた既存のメソッドは、2段階のフレームワークを使用するのが一般的である。
本稿では,動詞と役割の双方向関係の活用に焦点をあてた,新しい2段階フレームワークを提案する。
論文 参考訳（メタデータ） (2022-08-18T17:13:59Z) - Disentangled Action Recognition with Knowledge Bases [77.77482846456478]
本研究では,新規な動詞や新規な名詞に対する合成行動認識モデルの一般化能力の向上を目指す。
従来の作業では、知識グラフ内の動詞-名詞合成アクションノードを使用しており、スケールを非効率にしている。
本提案手法は, 行動の固有な構成性を活用する, 知識ベースを用いた不整合行動認識(DARK)である。
論文 参考訳（メタデータ） (2022-07-04T20:19:13Z) - Do Trajectories Encode Verb Meaning? [22.409307683247967]
接地言語モデルは、名詞や形容詞などの具体的なカテゴリーを、画像やビデオを通じて世界に接続することを学ぶ。
本稿では,対象物の位置と回転が自然に意味論的にエンコードされる範囲について検討する。
トラジェクトリはいくつかの動詞(例えば転落)と相関し、自己教師付き事前学習による追加抽象は、動詞の意味のニュアンス的な違いをさらに捉えることができる。
論文 参考訳（メタデータ） (2022-06-23T19:57:16Z) - Augmenting semantic lexicons using word embeddings and transfer learning [1.101002667958165]
本稿では,単語埋め込みと伝達学習を用いて,感情スコアを比較的低コストで拡張するための2つのモデルを提案する。
評価の結果、両モデルともAmazon Mechanical Turkのレビュアーと同様の精度で新しい単語を採点できるが、コストはごくわずかである。
論文 参考訳（メタデータ） (2021-09-18T20:59:52Z) - Verb Sense Clustering using Contextualized Word Representations for
Semantic Frame Induction [9.93359829907774]
文脈化された単語表現は、様々な自然言語処理タスクに有用であることが証明されている。
本稿では,文脈によって異なるフレームを誘発する動詞に着目した。
我々は,同じ動詞が発声するフレームの違いを,文脈化された単語表現がいかによく認識できるかを検討する。
論文 参考訳（メタデータ） (2021-05-27T21:53:40Z) - A Computational Framework for Slang Generation [2.1813490315521773]
我々は、スラングコンテキストにおける話者の単語選択をモデル化するフレームワークを開発することにより、スラングの機械生成に向けた最初の一歩を踏み出した。
本フレームワークは,従来の単語のスラング感覚とスラング感覚を関連付けることで,新しいスラングの意味を符号化する。
我々は3つのスラング辞書に対して厳密な評価を行い、我々のアプローチが最先端の言語モデルより優れていることを示す。
論文 参考訳（メタデータ） (2021-02-03T01:19:07Z) - Lexical semantic change for Ancient Greek and Latin [61.69697586178796]
歴史的文脈における単語の正しい意味の連想は、ダイアクロニック研究の中心的な課題である。
我々は、動的ベイズ混合モデルに基づくセマンティック変化に対する最近の計算的アプローチに基づいて構築する。
本研究では,動的ベイズ混合モデルと最先端埋め込みモデルとのセマンティックな変化を系統的に比較する。
論文 参考訳（メタデータ） (2021-01-22T12:04:08Z) - Investigating Cross-Linguistic Adjective Ordering Tendencies with a
Latent-Variable Model [66.84264870118723]
本稿では,多言語形容詞順序付けを潜在変数モデルとして,初めて純粋コーパス駆動モデルを提案する。
我々は普遍的、言語横断的、階層的形容詞順序付け傾向の存在の強い確固たる証拠を提供する。
論文 参考訳（メタデータ） (2020-10-09T18:27:55Z) - Word class flexibility: A deep contextualized approach [18.50173460090958]
単語クラス柔軟性の規則性を探求する原理的手法を提案する。
文脈的埋め込みは、英語の単語におけるクラス変化の人間の判断を捉える。
フレキシブルなレムマが支配的な単語クラスで使用される場合、より意味的なバリエーションがより大きくなる。
論文 参考訳（メタデータ） (2020-09-19T14:41:50Z)
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。