論文の概要: Masked Metaphor Modeling To Transfer Literal to Metaphorical Text
- arxiv url: http://arxiv.org/abs/2210.04756v1
- Date: Mon, 10 Oct 2022 15:11:27 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-11 16:52:14.130871
- Title: Masked Metaphor Modeling To Transfer Literal to Metaphorical Text
- Title（参考訳）: メタフォリカルテキストへのリテラル変換のための仮面メタフォリモデリング
- Authors: Giorgio Ottolina and John Pavlopoulos
- Abstract要約: 本研究は,文のリテラルトークンをマスキングし,比喩的言語モデルでそれらを解き放つことによって,比喩的パラフレーズ生成への新たなアプローチを提案する。
類似した研究とは異なり、提案されたアルゴリズムは動詞の置換に限らず、名詞や形容詞も含んでいる。
人的評価の結果,システム生成メタファーは人的メタファーよりも創造的で比喩的と考えられることがわかった。
- 参考スコア（独自算出の注目度）: 2.6397379133308214
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This study presents a new approach to metaphorical paraphrase generation by
masking literal tokens of literal sentences and unmasking them with
metaphorical language models. Unlike similar studies, the proposed algorithm is
not limited to the replacement of verbs, but also of nouns and adjectives.
Despite the fact that the transfer rate for the former is the highest (56%),
the transfer of the latter is feasible (24% and 31%). Human evaluation showed
that our system-generated metaphors are considered more creative and
metaphorical than human-generated ones. Additionally, when using our
transferred metaphors for data augmentation we show that state of the art
metaphorical sentence classification improves by 3% in F1.
- Abstract（参考訳）: 本研究は,文のリテラルトークンをマスキングし,メタファ的言語モデルを用いて表現する,メタファ的パラフレーズ生成に対する新しいアプローチを提案する。
類似した研究とは異なり、提案されたアルゴリズムは動詞の置換に限らず、名詞や形容詞も含んでいる。
前者の転送率が最高(56%)であるにもかかわらず、後者の転送は可能(24%と31%)である。
人的評価の結果,システム生成メタファーは人的メタファーよりも創造的で比喩的と考えられることがわかった。
さらに,データ拡張に移行したメタファーを使用すれば,F1の比喩文分類の精度は3%向上することがわかった。
関連論文リスト
- That was the last straw, we need more: Are Translation Systems Sensitive
to Disambiguating Context? [64.38544995251642]
我々は、源泉に存在している意味的あいまいさ(本研究における英語)について研究する。
我々は、リテラルと図形の両方にオープンなイディオムに焦点を当てている。
現在のMTモデルは、たとえ文脈が比喩的解釈を示しているとしても、英語のイディオムを文字通りに翻訳する。
論文 参考訳（メタデータ） (2023-10-23T06:38:49Z) - Metaphorical Polysemy Detection: Conventional Metaphor meets Word Sense
Disambiguation [9.860944032009847]
言語学者は、NLPのメタファ検出タスクが考慮しない、新しいメタファと従来のメタファを区別する。
本稿では,従来のメタファをこのような方法で扱う際の限界について検討する。
我々は、英語のWordNetにおける従来のメタファーを識別する最初のMPDモデルを開発した。
論文 参考訳（メタデータ） (2022-12-16T10:39:22Z) - Testing the Ability of Language Models to Interpret Figurative Language [69.59943454934799]
比喩的・比喩的な言語は言論において一般的である。
現代の言語モデルが非リテラルなフレーズをどの程度解釈できるかについては、未解決の疑問が残る。
ウィノグラードスタイルの非文字言語理解タスクであるFig-QAを紹介する。
論文 参考訳（メタデータ） (2022-04-26T23:42:22Z) - It's not Rocket Science : Interpreting Figurative Language in Narratives [48.84507467131819]
我々は2つの非構成的図形言語(イディオムとシミュラ)の解釈を研究する。
実験の結果、事前学習された言語モデルのみに基づくモデルは、これらのタスクにおいて人間よりもはるかにひどい性能を示すことがわかった。
また, 知識強化モデルを提案し, 具体的言語を解釈するための人的戦略を採用した。
論文 参考訳（メタデータ） (2021-08-31T21:46:35Z) - Metaphor Generation with Conceptual Mappings [58.61307123799594]
我々は、関連する動詞を置き換えることで、リテラル表現を与えられた比喩文を生成することを目指している。
本稿では,認知領域間の概念マッピングを符号化することで生成過程を制御することを提案する。
教師なしCM-Lexモデルは,近年のディープラーニングメタファ生成システムと競合することを示す。
論文 参考訳（メタデータ） (2021-06-02T15:27:05Z) - Interpreting Verbal Metaphors by Paraphrasing [12.750941606061877]
パラフレージング法が最先端のベースラインを著しく上回ることを示す。
また,本手法は,英語のメタファーを8言語に翻訳することで,機械翻訳システムの精度向上に役立つことを示す。
論文 参考訳（メタデータ） (2021-04-07T21:00:23Z) - MERMAID: Metaphor Generation with Symbolism and Discriminative Decoding [22.756157298168127]
メタファーとシンボル間の理論的に基底的な接続に基づいて,並列コーパスを自動構築する手法を提案する。
生成タスクには、並列データに微調整されたシーケンスモデルへのシーケンスの復号を導くためのメタファ判別器を組み込んだ。
課題に基づく評価では、比喩のない詩に比べて、比喩で強化された人文詩が68%の時間を好むことが示されている。
論文 参考訳（メタデータ） (2021-03-11T16:39:19Z) - Generating similes effortlessly like a Pro: A Style Transfer Approach
for Simile Generation [65.22565071742528]
擬似言語のような表現言語は、読者に新たな洞察とインスピレーションを与えるために、平易な表現を越えている。
シミリを生成するには、2つの概念の間のプロパティの効果的なマッピングを適切に理解する必要がある。
機械が生成した物語の最良のモデルから、リテラル文をシミュラに置き換えることで、挑発性が向上し、人間の審査員の受け入れが向上することを示す。
論文 参考訳（メタデータ） (2020-09-18T17:37:13Z) - Metaphoric Paraphrase Generation [58.592750281138265]
クラウドソーシングを用いてその結果を評価し,メタファー的パラフレーズを評価するための自動指標を開発する。
語彙置換ベースラインは正確なパラフレーズを生成できるが、比喩的でないことが多い。
メタファーマスキングモデルでは,メタファー文の生成に優れ,流布やパラフレーズの品質に関してはほぼ同等に機能する。
論文 参考訳（メタデータ） (2020-02-28T16:30:33Z)
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。