Fugu-MT 論文翻訳(概要): How much of UCCA can be predicted from AMR?

論文の概要: How much of UCCA can be predicted from AMR?

arxiv url: http://arxiv.org/abs/2207.12174v1
Date: Mon, 25 Jul 2022 13:13:34 GMT
ステータス: 処理完了
システム内更新日: 2022-07-26 14:19:17.927454
Title: How much of UCCA can be predicted from AMR?
Title（参考訳）: UCCAのどのくらいがAMRから予測できるのか?
Authors: Siyana Pavlova (SEMAGRAMME, LORIA), Maxime Amblard (SEMAGRAMME, LORIA), Bruno Guillaume (SEMAGRAMME, LORIA)
Abstract要約: コーパスベースのアプローチを用いて、2つのグラフ書き換えシステム、決定論的および非決定論的システムを構築する。ルール構築中に発見した評価とあいまいさについて紹介する。
参考スコア（独自算出の注目度）: 0.0
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In this paper, we consider two of the currently popular semantic frameworks: Abstract Meaning Representation (AMR)a more abstract framework, and Universal Conceptual Cognitive Annotation (UCCA)-an anchored framework. We use a corpus-based approach to build two graph rewriting systems, a deterministic and a non-deterministic one, from the former to the latter framework. We present their evaluation and a number of ambiguities that we discovered while building our rules. Finally, we provide a discussion and some future work directions in relation to comparing semantic frameworks of different flavors.
Abstract（参考訳）: 本稿では,AMR(Abstract Meaning Representation)がより抽象的なフレームワークであり,UCCA(Universal Conceptual Cognitive Annotation)が固定されたフレームワークであることを示す。前者から後者への2つのグラフ書き換えシステム(決定論的および非決定論的システム)を構築するためにコーパスベースのアプローチを用いる。その評価と,ルール構築中に発見したあいまいさについて紹介する。最後に,異なるフレーバーのセマンティクスフレームワークの比較に関して,議論と今後の作業の方向性について述べる。

関連論文リスト

A Concept-Based Explainability Framework for Large Multimodal Models [52.37626977572413]
本稿では,トークン表現に適用した辞書学習に基づくアプローチを提案する。これらの概念は、視覚とテキストの両方に意味論的に根ざしていることを示す。抽出したマルチモーダル概念は,テストサンプルの表現の解釈に有用であることを示す。
論文参考訳（メタデータ） (2024-06-12T10:48:53Z)
eRST: A Signaled Graph Theory of Discourse Relations and Organization [14.074017875514787]
RST(Rhetorical Structure Theory)の拡張に基づく計算談話分析のための新しい理論枠組みを提案する。このフレームワークは、木を破る、非計画的、並行的な関係を持つ談話関係グラフと、分析に説明可能な合理性を与える暗黙的、明示的な信号を含む。我々は,200K以上のトークンを持つ12の話し言葉および書き言葉のジャンルを含む,アノテートされた英語の無料コーパスを,我々の枠組みに従って提示し,評価する。
論文参考訳（メタデータ） (2024-03-20T12:52:38Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
Retrofitting Multilingual Sentence Embeddings with Abstract Meaning Representation [70.58243648754507]
抽象的意味表現(AMR)を用いた既存の多言語文の埋め込みを改善する新しい手法を提案する。原文入力と比較すると、AMRは文の中核概念と関係を明確かつ曖昧に表す構造的意味表現である。実験結果から,多言語文をAMRで埋め込むと,意味的類似性と伝達タスクの両方において,最先端の性能が向上することがわかった。
論文参考訳（メタデータ） (2022-10-18T11:37:36Z)
Making sense of spoken plurals [1.80476943513092]
本研究は、英語における名詞特異点とその複数変種の意味論に焦点をあてる。 1つのモデル(FRACSS)は、特異な意味論から複数の意味論を予測する際に、すべての特異な複数対を考慮に入れるべきである。他のモデル(CCA)は、複数の概念化は、主に基本語のセマンティッククラスに依存すると主張している。
論文参考訳（メタデータ） (2022-07-05T10:44:26Z)
Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
論文参考訳（メタデータ） (2022-04-23T04:17:55Z)
Formal context reduction in deriving concept hierarchies from corpora using adaptive evolutionary clustering algorithm star [15.154538450706474]
コーパスから概念階層を導出するプロセスは、通常、時間とリソース集約的なプロセスである。結果として得られる形式的文脈の格子は、概念的格子不変量を用いて標準格子に評価される。その結果,適応ECA*は,異なるフィリング比で,他の競合技術よりも高速に概念格子を実行することがわかった。
論文参考訳（メタデータ） (2021-07-10T07:18:03Z)
Infusing Finetuning with Semantic Dependencies [62.37697048781823]
シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
論文参考訳（メタデータ） (2020-12-10T01:27:24Z)
Comparison by Conversion: Reverse-Engineering UCCA from Syntax and Lexical Semantics [29.971739294416714]
堅牢な自然言語理解システムの構築には、さまざまな言語的意味表現が相互に補完するかどうか、明確に評価する必要がある。 i)ルールベースのコンバータ,(ii)他の情報のみを特徴として1つのフレームワークに解析する教師付きデレクシカル化の2つの相補的手法を用いて,異なるフレームワークからの意味表現間のマッピングを評価する。
論文参考訳（メタデータ） (2020-11-02T09:03:46Z)
Normalizing Compositional Structures Across Graphbanks [67.7047900945161]
本稿では,MR間の相違を組成レベルで正規化する手法を提案する。我々の研究はMRの合成構造におけるマッチングを著しく向上させ、マルチタスク学習を改善する。
論文参考訳（メタデータ） (2020-04-29T14:35:50Z)

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。