Fugu-MT 論文翻訳(概要): Anaphora Resolution in Dialogue: System Description (CODI-CRAC 2022 Shared Task)

論文の概要: Anaphora Resolution in Dialogue: System Description (CODI-CRAC 2022 Shared Task)

arxiv url: http://arxiv.org/abs/2301.02113v1
Date: Thu, 5 Jan 2023 15:42:17 GMT
ステータス: 処理完了
システム内更新日: 2023-01-06 13:24:07.102845
Title: Anaphora Resolution in Dialogue: System Description (CODI-CRAC 2022 Shared Task)
Title（参考訳）: 対話におけるアナフォラ分解能:システム記述(CODI-CRAC 2022共有タスク)
Authors: Tatiana Anikina, Natalia Skachkova, Joseph Renner, Priyansh Trivedi
Abstract要約: 我々はCODI-CRAC 2022共有タスクに提出された3つのモデルについて述べる。識別アナフォラ分解能を実現するために,インクリメンタルクラスタリング手法のいくつかの組み合わせを検証した。 coref-hoiモデルの'cluster merging'バージョンを追加することで、最もよい結果が得られます。
参考スコア（独自算出の注目度）: 0.14911092205861823
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We describe three models submitted for the CODI-CRAC 2022 shared task. To perform identity anaphora resolution, we test several combinations of the incremental clustering approach based on the Workspace Coreference System (WCS) with other coreference models. The best result is achieved by adding the ''cluster merging'' version of the coref-hoi model, which brings up to 10.33% improvement 1 over vanilla WCS clustering. Discourse deixis resolution is implemented as multi-task learning: we combine the learning objective of corefhoi with anaphor type classification. We adapt the higher-order resolution model introduced in Joshi et al. (2019) for bridging resolution given gold mentions and anaphors.
Abstract（参考訳）: 我々はCODI-CRAC 2022共有タスクに提出された3つのモデルについて述べる。そこで我々は,Workspace Coreference System(WCS)と他のコア参照モデルに基づいて,インクリメンタルクラスタリング手法のいくつかの組み合わせを検証した。その結果、Coref-hoiモデルの'cluster merging'バージョンが追加され、バニラWCSクラスタリングよりも10.33%改善された。談話ディクシス解決はマルチタスク学習として実装され,コアフォイの学習目標とアナポー型分類を組み合わせた。上志ら(2019)が導入した高次分解能モデルを用いて,金の言及とアナプホルスをブレンディングする。

関連論文リスト

Gramian Attention Heads are Strong yet Efficient Vision Learners [26.79263390835444]
複数のヘッダ分類器(e, classification head)を組み込むことで表現性を向上する新しいアーキテクチャ設計を提案する。本手法では,資源オーバーヘッドを最小に抑えつつ,複数の軽量ヘッドを強化するために,一対の特徴的類似性を利用したアグリゲーションを用いる。われわれのモデルは最終的に、ImageNet-1Kの精度の細かいトレードオフに関して、最先端のCNNやViTを上回ることになる。
論文参考訳（メタデータ） (2023-10-25T09:08:58Z)
Self-Supervised Open-Ended Classification with Small Visual Language Models [60.23212389067007]
我々は、小さな視覚言語モデルを用いたオープンエンド分類のための数ショットの能力を解放する自己教師型アプローチであるSeCAtを提案する。約1Bパラメータを持つモデルを使用することで、FrozenやBrobAGeといった、はるかに大きなモデルの少数ショット能力より優れています。
論文参考訳（メタデータ） (2023-09-30T21:41:21Z)
Community detection in complex networks via node similarity, graph representation learning, and hierarchical clustering [4.264842058017711]
コミュニティ検出は、実際のグラフを分析する上で重要な課題である。この記事では,この課題に対処する3つの新しい階層型フレームワークを提案する。ブロックモデルグラフと実生活データセットにおける100以上のモジュールの組み合わせを比較します。
論文参考訳（メタデータ） (2023-03-21T22:12:53Z)
Hybrid Rule-Neural Coreference Resolution System based on Actor-Critic Learning [53.73316523766183]
コアレゾリューションシステムは2つの主要なタスクに取り組む必要がある。ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。本稿では,アクター・クリティカル・ラーニングに基づく複合ルール・ニューラル・コア参照解決システムを提案する。
論文参考訳（メタデータ） (2022-12-20T08:55:47Z)
Neural Coreference Resolution based on Reinforcement Learning [53.73316523766183]
コアレゾリューションシステムは2つのサブタスクを解決する必要がある。ひとつのタスクは、潜在的な言及のすべてを検出することであり、もう1つは、可能な言及ごとに前者のリンクを学習することである。本稿では,アクターをベースとした強化学習型ニューラルコア参照分解システムを提案する。
論文参考訳（メタデータ） (2022-12-18T07:36:35Z)
GCoNet+: A Stronger Group Collaborative Co-Salient Object Detector [156.43671738038657]
本稿では,GCoNet+と呼ばれる新しいグループ協調学習ネットワークを提案する。 GCoNet+は自然界における共存対象を効果的かつ効率的に識別することができる。
論文参考訳（メタデータ） (2022-05-30T23:49:19Z)
COMPOSER: Compositional Learning of Group Activity in Videos [33.526331969279106]
グループアクティビティ認識(GAR)は、短いビデオクリップでアクターのグループによって実行されるアクティビティを検出する。トークンに対する注意に基づく推論を行うマルチスケールトランスフォーマーアーキテクチャであるComposERを提案する。 COMPOSERは新しい94.5%の精度をキーポイントのみのモダリティで達成した。
論文参考訳（メタデータ） (2021-12-11T01:25:46Z)
Deep Attention-guided Graph Clustering with Dual Self-supervision [49.040136530379094]
デュアル・セルフ・スーパービジョン(DAGC)を用いたディープアテンション誘導グラフクラスタリング法を提案する。我々は,三重項Kulback-Leibler分散損失を持つソフトな自己スーパービジョン戦略と,擬似的な監督損失を持つハードな自己スーパービジョン戦略からなる二重自己スーパービジョンソリューションを開発する。提案手法は6つのベンチマークデータセットにおける最先端の手法より一貫して優れている。
論文参考訳（メタデータ） (2021-11-10T06:53:03Z)
Enhancing Latent Space Clustering in Multi-filter Seq2Seq Model: A Reinforcement Learning Approach [0.0]
クラスタリングアルゴリズムを用いて潜在空間表現を解析する潜時拡張型マルチフィルタセq2seqモデル (LMS2S) を設計する。セマンティック解析と機械翻訳の実験により,クラスタリングの品質とモデルの性能の正の相関が示された。
論文参考訳（メタデータ） (2021-09-25T16:36:31Z)
Compositional Clustering: Applications to Multi-Label Object Recognition and Speaker Identification [19.470445399577265]
本稿では,クラスタが構成的関係を持つことのできる,新たなクラスタリングタスクについて考察する。サンプルをコヒーレントなグループに分割し,構成構造を推定できる3つの新しいアルゴリズムを提案する。本研究は,複数話者からの同時発話によるオープンワールド多ラベル物体認識と話者識別・ダイアリゼーションへの応用について述べる。
論文参考訳（メタデータ） (2021-09-09T10:42:14Z)
Clustering by Maximizing Mutual Information Across Views [62.21716612888669]
本稿では,共同表現学習とクラスタリングを組み合わせた画像クラスタリングのための新しいフレームワークを提案する。提案手法は,様々な画像データセットにおける最先端の単一ステージクラスタリング手法よりも優れていた。
論文参考訳（メタデータ） (2021-07-24T15:36:49Z)

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。