論文の概要: Semantic Role Labeling Meets Definition Modeling: Using Natural Language to Describe Predicate-Argument Structures

• arxiv url: http://arxiv.org/abs/2212.01094v1
• Date: Fri, 2 Dec 2022 11:19:16 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-05 15:37:47.385375
• Title: Semantic Role Labeling Meets Definition Modeling: Using Natural Language to Describe Predicate-Argument Structures
• Title（参考訳）: セマンティック・ロール・ラベルリングと定義モデリング--自然言語を用いて述語構造を記述する
• Authors: Simone Conia and Edoardo Barba and Alessandro Scir\`e and Roberto Navigli
• Abstract要約: 本稿では,離散ラベルの代わりに自然言語定義を用いて述語-代名詞構造を記述する手法を提案する。 PropBankスタイルおよびFrameNetスタイル、依存性ベースおよびスパンベースSRLに関する実験と分析は、解釈可能な出力を持つフレキシブルモデルが必ずしも性能を犠牲にしないことを示す。
• 参考スコア（独自算出の注目度）: 104.32063681736349
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: One of the common traits of past and present approaches for Semantic Role Labeling (SRL) is that they rely upon discrete labels drawn from a predefined linguistic inventory to classify predicate senses and their arguments. However, we argue this need not be the case. In this paper, we present an approach that leverages Definition Modeling to introduce a generalized formulation of SRL as the task of describing predicate-argument structures using natural language definitions instead of discrete labels. Our novel formulation takes a first step towards placing interpretability and flexibility foremost, and yet our experiments and analyses on PropBank-style and FrameNet-style, dependency-based and span-based SRL also demonstrate that a flexible model with an interpretable output does not necessarily come at the expense of performance. We release our software for research purposes at https://github.com/SapienzaNLP/dsrl.
• Abstract（参考訳）: 過去および現在における意味的役割ラベリング(srl)の一般的な特徴の1つは、前定義された言語インベントリから引き出された離散的なラベルに依存して述語的感覚とその議論を分類することである。 しかし、そうはならないと我々は主張する。 本稿では,srlの一般化した定式化を,離散ラベルではなく自然言語定義を用いた述語構造記述のタスクとして導入する手法を提案する。 我々の新しい定式化は、解釈可能性と柔軟性を最優先する第一歩を踏み出したが、PropBankスタイルおよびFrameNetスタイル、依存性ベースおよびスパンベースSRLの実験と分析は、解釈可能な出力を持つ柔軟なモデルが必ずしも性能を犠牲にしないことを示す。 私たちは研究目的でソフトウェアをhttps://github.com/sapienzanlp/dsrlでリリースします。

関連論文リスト

• How Abstract Is Linguistic Generalization in Large Language Models? Experiments with Argument Structure [2.530495315660486]
  本研究では,事前学習したトランスフォーマーに基づく大規模言語モデルがコンテキスト間の関係を表現する程度について検討する。 LLMは、関連する文脈間の新しい名詞引数の分布を一般化する上で、よく機能することがわかった。 しかし、LCMは事前学習中に観測されていない関連するコンテキスト間の一般化に失敗する。
  論文  参考訳（メタデータ） (2023-11-08T18:58:43Z)
• Interpretable Word Sense Representations via Definition Generation: The Case of Semantic Change Analysis [3.515619810213763]
  本稿では,文脈化された単語の用法を解釈可能な単語と単語感覚表現として自動生成する自然言語定義を提案する。 得られた感覚ラベルが、意味変化分析に既存のアプローチをより解釈可能なものにする方法を実証する。
  論文  参考訳（メタデータ） (2023-05-19T20:36:21Z)
• Offline RL for Natural Language Generation with Implicit Language Q Learning [87.76695816348027]
  ユーザ指定タスクの完了に関して、大きな言語モデルは矛盾する可能性がある。 本稿では,RLのフレキシブル・ユーティリティ・フレームワークと教師あり学習能力を組み合わせた新しいRL手法を提案する。 ILQLの実証的な検証に加えて、オフラインRLが自然言語生成設定で有用となるような、詳細な経験的分析状況も提示する。
  論文  参考訳（メタデータ） (2022-06-05T18:38:42Z)
• 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)
• Measuring Association Between Labels and Free-Text Rationales [60.58672852655487]
  解釈可能なNLPでは、説明された例に対するモデルの意思決定プロセスを反映した忠実な理性が必要です。 情報抽出型タスクに対する忠実な抽出合理化のための既存のモデルであるパイプラインは、自由テキスト合理化を必要とするタスクに確実に拡張されないことを示す。 我々は、信頼が確立されていない自由文合理化のための、広く使われている高性能モデルのクラスである、共同予測と合理化のモデルに目を向ける。
  論文  参考訳（メタデータ） (2020-10-24T03:40:56Z)
• Semantic Role Labeling as Syntactic Dependency Parsing [19.919191146167584]
  3つの一般的な構文パターンは、PropBankスタイルのセマンティックロールラベルアノテーションの98%以上を占めている。 本稿では,SRLアノテーションを結合ラベルを通じて依存ツリー表現にまとめる変換方式を提案する。
  論文  参考訳（メタデータ） (2020-10-21T17:46:11Z)
• Syntax Role for Neural Semantic Role Labeling [77.5166510071142]
  意味的役割ラベリング(SRL)は、文の意味的述語・代名詞構造を認識することを目的としている。 従来のモデルでは、構文情報はSRLのパフォーマンスに顕著な貢献をする可能性がある。 最近の神経SRL研究は、構文情報は神経意味的役割のラベル付けにおいてはるかに重要でないことを示している。
  論文  参考訳（メタデータ） (2020-09-12T07:01:12Z)
• Refining Implicit Argument Annotation for UCCA [6.873471412788333]
  本稿では,Universal Cognitive Conceptualの基盤層上に暗黙的アノテーションを具体化するためのタイポロジーを提案する。 提案された暗黙的な議論分類は暗黙的な役割解釈の理論によって駆動され、Deictic, Generic, Genre-based, Type-identible, Non-specific, Iterated-setの6つのタイプから構成される。
  論文  参考訳（メタデータ） (2020-05-26T17:24:15Z)
• Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
  そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。 我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。 この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。