Fugu-MT 論文翻訳(概要): BOS at LSCDiscovery: Lexical Substitution for Interpretable Lexical Semantic Change Detection

論文の概要: BOS at LSCDiscovery: Lexical Substitution for Interpretable Lexical Semantic Change Detection

arxiv url: http://arxiv.org/abs/2206.11865v1
Date: Tue, 7 Jun 2022 11:40:29 GMT
ステータス: 処理完了
システム内更新日: 2022-06-27 01:59:37.190041
Title: BOS at LSCDiscovery: Lexical Substitution for Interpretable Lexical Semantic Change Detection
Title（参考訳）: bos at lscdiscovery: 解釈可能な意味変化検出のための語彙置換
Authors: Artem Kudisov and Nikolay Arefyev
Abstract要約: スペイン語におけるLexical Semantic Change DetectionにおけるLSCDiscovery共有タスクに対する解を提案する。我々のアプローチは、与えられた単語の古い感覚と新しい感覚を記述した語彙代用を生成することに基づいている。
参考スコア（独自算出の注目度）: 0.48733623015338234
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We propose a solution for the LSCDiscovery shared task on Lexical Semantic Change Detection in Spanish. Our approach is based on generating lexical substitutes that describe old and new senses of a given word. This approach achieves the second best result in sense loss and sense gain detection subtasks. By observing those substitutes that are specific for only one time period, one can understand which senses were obtained or lost. This allows providing more detailed information about semantic change to the user and makes our method interpretable.
Abstract（参考訳）: スペイン語におけるLexical Semantic Change DetectionにおけるLSCDiscovery共有タスクに対する解を提案する。我々のアプローチは、与えられた単語の古い感覚と新しい感覚を記述する語彙代用を生成することに基づいている。このアプローチは、感覚損失と感覚ゲイン検出サブタスクにおいて、第2の最良の結果を達成する。一度だけ特定の代用品を観察することで、どの感覚が得られたか、失ったかがわかる。これにより、ユーザに対してセマンティックチェンジに関するより詳細な情報を提供し、メソッドを解釈可能にする。

関連論文リスト

ParaLS: Lexical Substitution via Pretrained Paraphraser [18.929859707202517]
本研究では,代用候補をパラフラザーから生成する方法を検討する。本稿では,デコード中の対象単語の変動に着目した2つの簡単なデコード戦略を提案する。
論文参考訳（メタデータ） (2023-05-14T12:49:16Z)
Are Synonym Substitution Attacks Really Synonym Substitution Attacks? [80.81532239566992]
広く使われている4つの単語置換法は、文法的でない、あるいは原文の意味を保たない、多数の無効な置換語を生成することを示す。次に,無効な単語置換の検出に用いる意味的制約と文法的制約が,無効な単語置換の検出に極めて不十分であることを示す。
論文参考訳（メタデータ） (2022-10-06T12:01:50Z)
Always Keep your Target in Mind: Studying Semantics and Improving Performance of Neural Lexical Substitution [124.99894592871385]
本稿では,従来の言語モデルと最近の言語モデルの両方を用いた語彙置換手法の大規模比較研究を行う。目的語に関する情報を適切に注入すれば,SOTA LMs/MLMsによるすでに競合する結果がさらに大幅に改善できることを示す。
論文参考訳（メタデータ） (2022-06-07T16:16:19Z)
Large Scale Substitution-based Word Sense Induction [48.49573297876054]
本稿では,事前学習されたマスキング言語モデル(MLM)に基づく単語センス誘導手法を提案する。その結果、コーパス由来の感覚インベントリに基づいて感覚タグ付けされ、各感覚が指示語に関連付けられているコーパスとなる。本手法を用いた英語ウィキペディアの評価では,Babelfy などの WSD 手法と比較しても,誘導された感覚とインスタンスごとの感覚代入の両方が高品質であることがわかった。
論文参考訳（メタデータ） (2021-10-14T19:40:37Z)
LexSubCon: Integrating Knowledge from Lexical Resources into Contextual Embeddings for Lexical Substitution [76.615287796753]
本稿では,コンテキスト埋め込みモデルに基づくエンドツーエンドの語彙置換フレームワークであるLexSubConを紹介する。これは文脈情報と構造化語彙資源からの知識を組み合わせることで達成される。我々の実験によると、LexSubConはLS07とCoInCoベンチマークデータセットで従来の最先端の手法よりも優れていた。
論文参考訳（メタデータ） (2021-07-11T21:25:56Z)
Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文参考訳（メタデータ） (2021-01-30T18:59:43Z)
UWB at SemEval-2020 Task 1: Lexical Semantic Change Detection [1.2599533416395767]
本研究は,英語,ドイツ語,ラテン語,スウェーデン語で異なる期間から選択された2つのコーパスにおける特定の単語間の意味的差異について検討する。本手法はSemEval 2020 Task 1: textitUnsupervised Lexical Semantic Change Detectionのために開発された。
論文参考訳（メタデータ） (2020-11-30T10:47:45Z)
UoB at SemEval-2020 Task 1: Automatic Identification of Novel Word Senses [0.6980076213134383]
本稿では,新しい単語認識に適したベイズ単語認識に基づく語彙意味変化検出手法を提案する。同じアプローチが15年間のTwitterデータから得られたコーパスにも適用され、結果がスラングのインスタンスである可能性のある単語の識別に使用される。
論文参考訳（メタデータ） (2020-10-18T19:27:06Z)
SemEval-2020 Task 1: Unsupervised Lexical Semantic Change Detection [10.606357227329822]
評価は、現在、レキシカルセマンティック・チェンジ検出において最も差し迫った問題である。コミュニティにとって金の基準は存在せず、進歩を妨げている。このギャップに対処する最初の共有タスクの結果を示す。
論文参考訳（メタデータ） (2020-07-22T14:37:42Z)
Unsupervised Embedding-based Detection of Lexical Semantic Changes [1.7403133838762452]
本稿では,SemEval-2020 Task 1の"Life-Language"チームによって導入されたEmbLexChangeについて述べる。 EmmLexChangeは、ソース内のワードwの埋め込みベースのプロファイルとターゲットドメインとの分岐として定義される。参照単語の選択に再サンプリングフレームワークを用いることで,英語,ドイツ語,スウェーデン語,ラテン語の語彙・意味的変化を確実に検出できることを示す。
論文参考訳（メタデータ） (2020-05-16T13:05:47Z)
Moving Down the Long Tail of Word Sense Disambiguation with Gloss-Informed Biencoders [79.38278330678965]
Word Sense Disambiguation (WSD)の主な障害は、単語感覚が均一に分散されないことである。本稿では,(1)対象語とその周囲の文脈を独立に埋め込んだバイエンコーダモデルを提案する。
論文参考訳（メタデータ） (2020-05-06T04:21:45Z)

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。