Fugu-MT 論文翻訳(概要): Semantic Tagging with LSTM-CRF

論文の概要: Semantic Tagging with LSTM-CRF

arxiv url: http://arxiv.org/abs/2301.12206v1
Date: Sat, 28 Jan 2023 14:06:17 GMT
ステータス: 処理完了
システム内更新日: 2023-01-31 18:29:31.394374
Title: Semantic Tagging with LSTM-CRF
Title（参考訳）: LSTM-CRFを用いた意味的タグ付け
Authors: Farshad Noravesh
Abstract要約: ユニバーサルセマンティックタグデータセットのセマンティックタグ付けには,LSTM-CRFとBERT-LSTM-CRFという2つのモデルが提案されている。実験によると、第1のモデルは収束しやすく、第2のモデルはBERTの埋め込みを利用し、収束するのに長い時間がかかる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In the present paper, two models are presented namely LSTM-CRF and BERT-LSTM-CRF for semantic tagging of universal semantic tag dataset. The experiments show that the first model is much easier to converge while the second model that leverages BERT embedding, takes a long time to converge and needs a big dataset for semtagging to be effective.
Abstract（参考訳）: 本稿では,共通意味タグデータセットのセマンティックタグ付けのためのLSTM-CRFとBERT-LSTM-CRFの2つのモデルを示す。実験により、第一のモデルは、bert埋め込みを利用する第二のモデルは、収束するのに長い時間がかかり、セムタグが効果的になるために大きなデータセットが必要であるのに対して、より収束しやすいことが示されている。

関連論文リスト

BiLSTM and Attention-Based Modulation Classification of Realistic Wireless Signals [2.0650230600617534]
提案モデルでは,無線信号の複数の表現をネットワークへの入力として利用する。 BiLSTM層の後、重要な時間的特徴を強調するために注意層が使用される。最近のリアルなRML22データセットの実験結果は、提案モデルの性能が99%の精度で向上したことを示している。
論文参考訳（メタデータ） (2024-08-14T01:17:19Z)
Latent Semantic Consensus For Deterministic Geometric Model Fitting [109.44565542031384]
我々はLSC(Latent Semantic Consensus)と呼ばれる効果的な方法を提案する。 LSCは、モデルフィッティング問題をデータポイントとモデル仮説に基づく2つの潜在意味空間に定式化する。 LSCは、一般的な多構造モデルフィッティングのために、数ミリ秒以内で一貫した、信頼性の高いソリューションを提供することができる。
論文参考訳（メタデータ） (2024-03-11T05:35:38Z)
FLIP: Fine-grained Alignment between ID-based Models and Pretrained Language Models for CTR Prediction [49.510163437116645]
クリックスルーレート(CTR)予測は、パーソナライズされたオンラインサービスにおいてコア機能モジュールとして機能する。 CTR予測のための従来のIDベースのモデルは、表形式の1ホットエンコードされたID特徴を入力として取る。事前訓練された言語モデル(PLM)は、テキストのモダリティの文を入力として取る別のパラダイムを生み出した。本稿では,CTR予測のためのIDベースモデルと事前学習言語モデル(FLIP)間の細粒度特徴レベルのアライメントを提案する。
論文参考訳（メタデータ） (2023-10-30T11:25:03Z)
Bidirectional LSTM-CRF Attention-based Model for Chinese Word Segmentation [2.3991565023534087]
中国語単語セグメンテーションのための双方向LSTM-CRFアテンションベースモデルを提案する。我々のモデルは、他のニューラルネットワークによるベースライン手法よりも優れている。
論文参考訳（メタデータ） (2021-05-20T11:46:53Z)
Explore BiLSTM-CRF-Based Models for Open Relation Extraction [5.7380564196163855]
我々は、双方向LSTM-CRF(BiLSTM-CRF)ニューラルネットワークと異なる文脈の単語埋め込み法に基づく複数のOpen REモデルを開発した。タグ付け方式, 単語埋め込み方式, BiLSTM-CRF ネットワークの最適組み合わせを選択し, 複数関係文から抽出する顕著な能力を持つオープンREモデルを実現する。
論文参考訳（メタデータ） (2021-04-26T03:37:22Z)
Data Augmentation for Abstractive Query-Focused Multi-Document Summarization [129.96147867496205]
2つのQMDSトレーニングデータセットを提示し,2つのデータ拡張手法を用いて構築する。これらの2つのデータセットは相補的な性質を持ち、すなわちQMDSCNNは実際のサマリを持つが、クエリはシミュレートされる。組み合わせたデータセット上にエンドツーエンドのニューラルネットワークモデルを構築し、DUCデータセットに最新の転送結果をもたらします。
論文参考訳（メタデータ） (2021-03-02T16:57:01Z)
Revisiting LSTM Networks for Semi-Supervised Text Classification via Mixed Objective Function [106.69643619725652]
我々は,単純なBiLSTMモデルであっても,クロスエントロピー損失でトレーニングした場合に,競争的な結果が得られるようなトレーニング戦略を開発する。いくつかのベンチマークデータセット上で,テキスト分類タスクの最先端結果について報告する。
論文参考訳（メタデータ） (2020-09-08T21:55:22Z)
Sentiment Analysis Using Simplified Long Short-term Memory Recurrent Neural Networks [1.5146765382501612]
GOPディベートTwitterデータセット上で感情分析を行う。学習を高速化し、計算コストと時間を短縮するために、LSTMモデルのスリムバージョンを6つの異なるパラメータで削減する手法を提案する。
論文参考訳（メタデータ） (2020-05-08T12:50:10Z)
High-Accuracy and Low-Latency Speech Recognition with Two-Head Contextual Layer Trajectory LSTM Model [46.34788932277904]
我々は,高精度かつ低遅延自動音声認識のための従来のハイブリッドLSTM音響モデルの改良を行った。高い精度を達成するために、時間的モデリングとターゲット分類タスクを分離する文脈層トラジェクトリLSTM(cltLSTM)を用いる。シーケンスレベルの教師学生学習による学習戦略をさらに改善する。
論文参考訳（メタデータ） (2020-03-17T00:52:11Z)
Depth-Adaptive Graph Recurrent Network for Text Classification [71.20237659479703]
S-LSTM(Sentence-State LSTM)は、高効率なグラフリカレントネットワークである。そこで本研究では,S-LSTMの深度適応機構を提案する。
論文参考訳（メタデータ） (2020-02-29T03:09:55Z)

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。