論文の概要: Large language models can segment narrative events similarly to humans

• arxiv url: http://arxiv.org/abs/2301.10297v1
• Date: Tue, 24 Jan 2023 20:34:37 GMT
• ステータス: 処理完了
• システム内更新日: 2023-01-26 16:22:27.013111
• Title: Large language models can segment narrative events similarly to humans
• Title（参考訳）: 大きな言語モデルは、人間に似た物語イベントをセグメンテーションできる
• Authors: Sebastian Michelmann, Manoj Kumar, Kenneth A. Norman, Mariya Toneva
• Abstract要約: イベント境界は、人間のアノテーションではなく、大きな言語モデルであるGPT-3を使って導出される。 GPT-3アノテーションはヒトのイベントアノテーションと大きく相関している。 この発見は、GPT-3が自動イベントアノテーションの実現可能なソリューションであることを示唆している。
• 参考スコア（独自算出の注目度）: 8.167828404303107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Humans perceive discrete events such as "restaurant visits" and "train rides" in their continuous experience. One important prerequisite for studying human event perception is the ability of researchers to quantify when one event ends and another begins. Typically, this information is derived by aggregating behavioral annotations from several observers. Here we present an alternative computational approach where event boundaries are derived using a large language model, GPT-3, instead of using human annotations. We demonstrate that GPT-3 can segment continuous narrative text into events. GPT-3-annotated events are significantly correlated with human event annotations. Furthermore, these GPT-derived annotations achieve a good approximation of the "consensus" solution (obtained by averaging across human annotations); the boundaries identified by GPT-3 are closer to the consensus, on average, than boundaries identified by individual human annotators. This finding suggests that GPT-3 provides a feasible solution for automated event annotations, and it demonstrates a further parallel between human cognition and prediction in large language models. In the future, GPT-3 may thereby help to elucidate the principles underlying human event perception.
• Abstract（参考訳）: 人間は、連続した経験において、"restaurant visits"や"train rides"のような個別の出来事を知覚する。 人間の事象知覚を研究するための重要な前提条件の1つは、ある出来事が終わり、別の出来事が始まるときに、研究者が定量化できる能力である。 通常、この情報は複数の観察者から行動アノテーションを集約することによって導き出される。 本稿では,人間のアノテーションの代わりに,大規模言語モデル GPT-3 を用いてイベント境界を導出する手法を提案する。 GPT-3は連続した物語テキストをイベントに分割できることを示す。 GPT-3アノテーションはヒトのイベントアノテーションと大きく相関している。 さらに、これらのGPT由来のアノテーションは、(人間のアノテーションを平均化することによって得られる)「合意」ソリューションの良好な近似を実現し、GPT-3で特定される境界は、平均的に、個々の人間のアノテーションによって特定される境界よりも、コンセンサスに近い。 この結果は、GPT-3が自動イベントアノテーションの実現可能なソリューションであり、大きな言語モデルにおける人間の認識と予測のさらなる並列性を示すことを示唆している。 将来的には、GPT-3は人間の事象知覚の基礎となる原理の解明に役立つかもしれない。

関連論文リスト

• Social-Transmotion: Promptable Human Trajectory Prediction [65.80068316170613]
  Social-Transmotionは、多種多様な視覚的手がかりを利用して人間の行動を予測する、汎用トランスフォーマーベースのモデルである。 提案手法は,JTA,JRDB,歩行者,道路交通のサイクリスト,ETH-UCYなど,複数のデータセットで検証されている。
  論文  参考訳（メタデータ） (2023-12-26T18:56:49Z)
• Understanding Before Recommendation: Semantic Aspect-Aware Review Exploitation via Large Language Models [53.337728969143086]
  レコメンデーションシステムは、クリックやレビューのようなユーザとイテムのインタラクションを利用して表現を学習する。 従来の研究では、様々な側面や意図にまたがるユーザの嗜好をモデル化することで、推奨精度と解釈可能性を改善する。 そこで本研究では,意味的側面と認識的相互作用を明らかにするためのチェーンベースのプロンプト手法を提案する。
  論文  参考訳（メタデータ） (2023-12-26T15:44:09Z)
• ChatGPT as a commenter to the news: can LLMs generate human-like opinions? [3.0309690768567754]
  我々は、GPT-3.5がオランダのニュース記事に対して、どの程度人間的なコメントを生成できるかを検討する。 複数のプロンプト技術で人間の類似性を解析する。 細調整されたBERTモデルでは,GPT-3.5生成したコメントと人手によるコメントを容易に区別できることがわかった。
  論文  参考訳（メタデータ） (2023-12-21T15:46:36Z)
• Can GPT models Follow Human Summarization Guidelines? Evaluating ChatGPT and GPT-4 for Dialogue Summarization [2.6321077922557192]
  本研究は,対話要約のための人間のガイドラインに従う上で,ChatGPT や GPT-4 のようなプロンプト駆動型大規模言語モデル (LLM) の能力について検討する。 以上の結果から,GPTモデルは長大な要約を産出し,人間の要約ガイドラインから逸脱することが多いことが示唆された。 人間のガイドラインを中間的なステップとして使うと、約束が示され、いくつかのケースでは単語長の制約プロンプトよりも優れています。
  論文  参考訳（メタデータ） (2023-10-25T17:39:07Z)
• Humans and language models diverge when predicting repeating text [52.03471802608112]
  我々は,人間とLMのパフォーマンスが分岐するシナリオを提示する。 人間とGPT-2 LMの予測はテキストスパンの最初のプレゼンテーションで強く一致しているが、メモリが役割を担い始めると、その性能は急速にバラバラになる。 このシナリオが,LMを人間の行動に近づける上で,今後の作業に拍車をかけることを期待しています。
  論文  参考訳（メタデータ） (2023-10-10T08:24:28Z)
• Are All Steps Equally Important? Benchmarking Essentiality Detection of Events [92.92425231146433]
  本稿では,現在のモデルが目標イベントに関連するステップイベントの本質をどの程度理解しているかについて検討する。 コミュニティガイドサイトWikiHowから収集した高品質なペア(ゴール,ステップ)コーパスをコントリビュートする。 高いアノテータ間の合意は、人間が事象の本質について一貫した理解を持っていることを証明している。
  論文  参考訳（メタデータ） (2022-10-08T18:00:22Z)
• Semantic features of object concepts generated with GPT-3 [1.14219428942199]
  我々は1,854個のオブジェクトのセマンティックな特徴を生成するためにGPT-3モデルを探索した。 自動生成機能と既存のヒューマン特徴ノルムを比較した。 生成された特徴ノルムは、類似性、関連性、およびカテゴリメンバーシップを予測するために人間のノルムと競合した。
  論文  参考訳（メタデータ） (2022-02-08T09:51:48Z)
• Inferring Commonsense Explanations as Prompts for Future Event Generation [39.285793120836516]
  Future Event Generationは、前回のイベントが持つ流動的で合理的な未来のイベント記述を生成することを目的としている。 共感覚推論モデル(IM)とイベント生成モデル(GM)から構成される新しい説明可能なFEGフレームワークを提案する。 IMは、前回の出来事を解釈し、意図、反応、ニーズといったキャラクター心理学を潜伏変数として明らかにするために常識的推論を行う。 GMはコモンセンスの知識を、論理的に一貫性のある未来の出来事の発生を誘導し、強制するきっかけと捉えている。
  論文  参考訳（メタデータ） (2022-01-18T16:21:23Z)
• Generic Event Boundary Detection: A Benchmark for Event Segmentation [21.914662894860474]
  本稿では,ビデオ全体をチャンクに分割する一般的な分類のないイベント境界を検出するための新しいベンチマークとともに,新しいタスクを提案する。 本稿では,ジェネリックイベント境界検出(GEBD)と新しいベンチマークKinetics-GEBDを提案する。 人間が未来を正確に予測できない地点で境界をマークするという認知的発見に触発されて、教師なしのアプローチを探求する。
  論文  参考訳（メタデータ） (2021-01-26T01:31:30Z)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)
• DRG: Dual Relation Graph for Human-Object Interaction Detection [65.50707710054141]
  人-物間相互作用(HOI)検出の課題に対処する。 既存の方法は、人間と物体の対の相互作用を独立に認識するか、複雑な外観に基づく共同推論を行う。 本稿では,抽象的空間意味表現を活用して,各対象対を記述し,二重関係グラフを用いてシーンの文脈情報を集約する。
  論文  参考訳（メタデータ） (2020-08-26T17:59:40Z)

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。