Fugu-MT 論文翻訳(概要): Metaphor Detection with Effective Context Denoising

論文の概要: Metaphor Detection with Effective Context Denoising

arxiv url: http://arxiv.org/abs/2302.05611v1
Date: Sat, 11 Feb 2023 05:53:51 GMT
ステータス: 処理完了
システム内更新日: 2023-02-14 19:27:07.800894
Title: Metaphor Detection with Effective Context Denoising
Title（参考訳）: 効果的な文脈記述によるメタファー検出
Authors: Shun Wang, Yucheng Li, Chenghua Lin, Lo\"ic Barrault, Frank Guerin
Abstract要約: メタファ検出にターゲット指向のパースツリー構造を導入するRoBERTaベースの新しいモデルRoPPTを提案する。既存のモデルと比較して、RoPPTは意味論的に関連する情報に焦点を合わせ、いくつかの主要なメタファーデータセットの最先端を達成している。
参考スコア（独自算出の注目度）: 14.017480907225066
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We propose a novel RoBERTa-based model, RoPPT, which introduces a target-oriented parse tree structure in metaphor detection. Compared to existing models, RoPPT focuses on semantically relevant information and achieves the state-of-the-art on several main metaphor datasets. We also compare our approach against several popular denoising and pruning methods, demonstrating the effectiveness of our approach in context denoising. Our code and dataset can be found at https://github.com/MajiBear000/RoPPT
Abstract（参考訳）: メタファ検出にターゲット指向のパースツリー構造を導入するRoBERTaベースの新しいモデルRoPPTを提案する。既存のモデルと比較して、RoPPTは意味論的に関連する情報に焦点を合わせ、いくつかの主要なメタファーデータセットの最先端を達成している。また,我々のアプローチをいくつかの一般的なデノイジング手法やプルーニング手法と比較し,コンテクストデノイジングにおけるアプローチの有効性を実証した。私たちのコードとデータセットはhttps://github.com/MajiBear000/RoPPTで確認できます。

関連論文リスト

Robust Neural Processes for Noisy Data [1.7268667700090563]
ノイズによってデータが汚染された場合の文脈内学習モデルの振る舞いについて検討する。クリーンなデータで最高のパフォーマンスを示すモデルは、ノイズの多いデータで最高のパフォーマンスを示すモデルとは異なることが分かりました。本稿では,NPモデルの学習方法を提案する。
論文参考訳（メタデータ） (2024-11-03T20:00:55Z)
SLAck: Semantic, Location, and Appearance Aware Open-Vocabulary Tracking [89.43370214059955]
Open-vocabulary Multiple Object Tracking (MOT)は、トレーニングセットにはない新しいカテゴリにトラッカーを一般化することを目的としている。我々は,連合の初期段階において,意味論,位置,出現の先行を共同で検討する統一的な枠組みを提案する。提案手法は,異なるキューを融合するための複雑な後処理を排除し,大規模オープン語彙追跡のための関連性能を大幅に向上させる。
論文参考訳（メタデータ） (2024-09-17T14:36:58Z)
Bayesian Detector Combination for Object Detection with Crowdsourced Annotations [49.43709660948812]
制約のない画像できめ細かなオブジェクト検出アノテーションを取得するのは、時間がかかり、コストがかかり、ノイズに悩まされる。ノイズの多いクラウドソースアノテーションでオブジェクト検出をより効果的に訓練するための新しいベイズ検出結合(BDC)フレームワークを提案する。 BDCはモデルに依存しず、アノテータのスキルレベルに関する事前の知識を必要とせず、既存のオブジェクト検出モデルとシームレスに統合される。
論文参考訳（メタデータ） (2024-07-10T18:00:54Z)
DenoSent: A Denoising Objective for Self-Supervised Sentence Representation Learning [59.4644086610381]
本稿では,他の視点,すなわち文内視点から継承する新たな認知的目的を提案する。離散ノイズと連続ノイズの両方を導入することで、ノイズの多い文を生成し、モデルを元の形式に復元するように訓練する。我々の経験的評価は,本手法が意味的テキスト類似性(STS)と幅広い伝達タスクの両面で競合する結果をもたらすことを示した。
論文参考訳（メタデータ） (2024-01-24T17:48:45Z)
Efficient Data Fusion using the Tsetlin Machine [11.60428160853737]
そこで本研究では,Tsetlin Machineを用いて,ノイズの多い動的データを評価・融合する新しい手法を提案する。提案手法は,TMが動的データのノイズを伴って変化を学習する論理的節による説明の仕方を監視することである。
論文参考訳（メタデータ） (2023-10-26T07:49:25Z)
ContrastWSD: Enhancing Metaphor Detection with Word Sense Disambiguation Following the Metaphor Identification Procedure [1.03590082373586]
メタファー識別法(MIP)と単語センス曖昧化(WSD)を統合したRoBERTaを用いたメタファメタメタファ検出モデルを提案する。 WSDモデルから派生した単語感覚を利用することで、メタファ検出プロセスを強化し、他の手法より優れる。我々は,様々なベンチマークデータセットに対するアプローチを評価し,それを強力なベースラインと比較し,メタファ検出の促進効果を示す。
論文参考訳（メタデータ） (2023-09-06T15:41:38Z)
Cross-Lingual Cross-Modal Retrieval with Noise-Robust Learning [25.230786853723203]
低リソース言語に対するノイズローバストな言語間クロスモーダル検索手法を提案する。低リソース言語のための擬似並列文ペアを構築するために,機械翻訳を用いる。ノイズロスのターゲット言語表現を学習するための多視点自己蒸留法を提案する。
論文参考訳（メタデータ） (2022-08-26T09:32:24Z)
MAF: Multimodal Alignment Framework for Weakly-Supervised Phrase Grounding [74.33171794972688]
本稿では,詳細な視覚表現と視覚認識言語表現を活用することで,句オブジェクトの関連性をモデル化するアルゴリズムを提案する。広く採用されているFlickr30kデータセットで実施された実験は、既存の弱教師付き手法よりも大幅に改善されている。
論文参考訳（メタデータ） (2020-10-12T00:43:52Z)
Linguistic Structure Guided Context Modeling for Referring Image Segmentation [61.701577239317785]
本稿では,マルチモーダルコンテキストを相互モーダル相互作用によりモデル化する「ガザ・プロパゲート・ディストリビュート」方式を提案する。我々のLSCMモジュールは依存パーシングツリーワードグラフ(DPT-WG)を構築し、文の有効なマルチモーダルコンテキストを含むようにすべての単語を誘導する。
論文参考訳（メタデータ） (2020-10-01T16:03:51Z)
How Far are We from Effective Context Modeling? An Exploratory Study on Semantic Parsing in Context [59.13515950353125]
文法に基づく意味解析を行い,その上に典型的な文脈モデリング手法を適用する。我々は,2つの大きなクロスドメインデータセットに対して,13のコンテキストモデリング手法を評価した。
論文参考訳（メタデータ） (2020-02-03T11:28:10Z)

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。