Fugu-MT 論文翻訳(概要): GCDT: A Chinese RST Treebank for Multigenre and Multilingual Discourse Parsing

論文の概要: GCDT: A Chinese RST Treebank for Multigenre and Multilingual Discourse Parsing

arxiv url: http://arxiv.org/abs/2210.10449v1
Date: Wed, 19 Oct 2022 10:27:41 GMT
ステータス: 処理完了
システム内更新日: 2022-10-20 14:20:41.633590
Title: GCDT: A Chinese RST Treebank for Multigenre and Multilingual Discourse Parsing
Title（参考訳）: GCDT:多言語・多言語対話解析のための中国のRCTツリーバンク
Authors: Siyao Peng, Yang Janet Liu, Amir Zeldes
Abstract要約: GCDTは、修辞構造理論(RST)の枠組みにおいて、中国語における最大の階層的談話木バンクである本稿では,このデータセットの解析実験について報告する。例えば,中国語のRST解析のための最新技術(SOTA)スコアと,英語のGUMデータセットに対するRTT解析である。
参考スコア（独自算出の注目度）: 9.367612782346207
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A lack of large-scale human-annotated data has hampered the hierarchical discourse parsing of Chinese. In this paper, we present GCDT, the largest hierarchical discourse treebank for Mandarin Chinese in the framework of Rhetorical Structure Theory (RST). GCDT covers over 60K tokens across five genres of freely available text, using the same relation inventory as contemporary RST treebanks for English. We also report on this dataset's parsing experiments, including state-of-the-art (SOTA) scores for Chinese RST parsing and RST parsing on the English GUM dataset, using cross-lingual training in Chinese and English with multilingual embeddings.
Abstract（参考訳）: 大規模な人間の注釈データがないため、中国語の階層的な言説解析が妨げられている。本稿では,中国語における最大の階層的談話木バンクであるGCDTを,修辞構造理論(RST)の枠組みで紹介する。 GCDTは5つのジャンルにまたがって60K以上のトークンをカバーしており、現代英語のRTTツリーバンクと同じ関係性を持つ。また,このデータセットの構文解析実験について報告し,多言語組込みによる中国語と英語の言語間学習を用いて,中国語rstパースと英語ガムデータセットのrstパースのための最新スコア (sota) を報告した。

関連論文リスト

When Does Classical Chinese Help? Quantifying Cross-Lingual Transfer in Hanja and Kanbun [48.07219104902607]
古典中国語から漢語・漢文への言語間移動可能性の仮定を疑問視する。実験の結果,漢文で書かれた古代朝鮮語文書の言語モデル性能に対する古典中国語データセットの影響は最小限であった。
論文参考訳（メタデータ） (2024-11-07T15:59:54Z)
Bilingual Rhetorical Structure Parsing with Large Parallel Annotations [5.439020425819001]
我々は,大規模で多様な英語GUM RSTコーパスに対して,パラレルなロシア語アノテーションを導入する。我々のエンドツーエンドRTTは、英語とロシア語のコーパスで最先端の結果を得る。我々の知る限り、この研究は、手動で注釈付けされた並列コーパス上での言語間エンドツーエンドのRTT解析の可能性を評価する最初のものである。
論文参考訳（メタデータ） (2024-09-23T12:40:33Z)
Multi-Modal Multi-Granularity Tokenizer for Chu Bamboo Slip Scripts [65.10991154918737]
本研究は、古代中国の春・秋・戦国時代(紀元前771-256年)に用いられた中竹の文字に焦点を当てたものである。我々のトークンライザはまず文字検出を採用して文字境界の特定を行い、次に文字レベルとサブキャラクタレベルの両方で文字認識を行う。学術コミュニティを支援するために,100K以上の注釈付き文字イメージスキャンを備えたCBSの最初の大規模データセットも収集した。
論文参考訳（メタデータ） (2024-09-02T07:42:55Z)
Simple Yet Effective Neural Ranking and Reranking Baselines for Cross-Lingual Information Retrieval [50.882816288076725]
言語間情報検索は、ある言語で文書を検索し、別の言語でクエリーを検索するタスクである。本研究では,多段階アーキテクチャを用いた言語横断検索のための異なるアプローチを体系化するための概念的枠組みを提案する。我々は、ペルシア、ロシア、中国のTREC 2022 NeuCLIRトラックから収集したテストコレクションに対して、Anserini IRツールキットとPyserini IRツールキットに単純かつ効果的に再現可能なベースラインを実装した。
論文参考訳（メタデータ） (2023-04-03T14:17:00Z)
Joint Chinese Word Segmentation and Span-based Constituency Parsing [11.080040070201608]
本研究は,中国語の単語セグメント化とSpanに基づくコンストラクタシーパーシングを共同で行う手法を提案する。実験により,提案アルゴリズムは, CTB 5.1上での関節分割と補間のための最近のモデルよりも優れていた。
論文参考訳（メタデータ） (2022-11-03T08:19:00Z)
A Massively Multilingual Analysis of Cross-linguality in Shared Embedding Space [61.18554842370824]
言語間モデルでは、多くの異なる言語に対する表現は同じ空間に存在している。我々は,bitext検索性能の形式で,言語間アライメントのタスクベース尺度を計算した。我々はこれらのアライメント指標の潜在的な予測因子として言語的、準言語的、および訓練関連の特徴について検討する。
論文参考訳（メタデータ） (2021-09-13T21:05:37Z)
Investigating Transfer Learning in Multilingual Pre-trained Language Models through Chinese Natural Language Inference [11.096793445651313]
中国語と英語の自然言語推論(NLI)におけるXLM-Rの言語間移動能力について検討する。言語移動をより深く理解するために、中国語の課題と敵対課題の4つのカテゴリを作成しました。英語のNLIで訓練された言語間のモデルが、中国語のタスク間でうまく伝達されていることが分かりました。
論文参考訳（メタデータ） (2021-06-07T22:00:18Z)
Multilingual Neural RST Discourse Parsing [24.986030179701405]
本稿では,多言語ベクトル表現とセグメントレベルの翻訳によるニューラル言語間対話を確立するための2つの手法について検討する。実験結果から,両手法は訓練データに制限があっても有効であり,言語横断的,文書レベルの談話解析における最先端性能を実現することができることがわかった。
論文参考訳（メタデータ） (2020-12-03T05:03:38Z)
Looking for Clues of Language in Multilingual BERT to Improve Cross-lingual Generalization [56.87201892585477]
多言語BERT (m-BERT) には、言語情報と意味情報の両方が含まれている。トークン埋め込みを操作することで多言語BERTの出力言語を制御する。
論文参考訳（メタデータ） (2020-10-20T05:41:35Z)
CoVoST: A Diverse Multilingual Speech-To-Text Translation Corpus [57.641761472372814]
CoVoSTは11言語から英語への多言語による音声からテキストへの翻訳コーパスである。 11,000人以上の話者と60以上のアクセントで多様化した。 CoVoSTはCC0ライセンスでリリースされており、無料で利用できる。
論文参考訳（メタデータ） (2020-02-04T14:35:28Z)

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。