論文の概要: Metaphor Detection via Explicit Basic Meanings Modelling
- arxiv url: http://arxiv.org/abs/2305.17268v1
- Date: Fri, 26 May 2023 21:25:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-30 20:54:09.113645
- Title: Metaphor Detection via Explicit Basic Meanings Modelling
- Title（参考訳）: 明示的な基本意味モデリングによるメタファー検出
- Authors: Yucheng Li, Shun Wang, Chenghua Lin, Guerin Frank
- Abstract要約: 本稿では,トレーニングセットからのリテラルアノテーションに基づいて,単語の基本的意味をモデル化するメタファ検出手法を提案する。
実験の結果,本手法はF1スコアにおいて,最先端の手法よりも1.0%優れていた。
- 参考スコア（独自算出の注目度）: 12.096691826237114
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: One noticeable trend in metaphor detection is the embrace of linguistic
theories such as the metaphor identification procedure (MIP) for model
architecture design. While MIP clearly defines that the metaphoricity of a
lexical unit is determined based on the contrast between its \textit{contextual
meaning} and its \textit{basic meaning}, existing work does not strictly follow
this principle, typically using the \textit{aggregated meaning} to approximate
the basic meaning of target words. In this paper, we propose a novel metaphor
detection method, which models the basic meaning of the word based on literal
annotation from the training set, and then compares this with the contextual
meaning in a target sentence to identify metaphors. Empirical results show that
our method outperforms the state-of-the-art method significantly by 1.0\% in F1
score. Moreover, our performance even reaches the theoretical upper bound on
the VUA18 benchmark for targets with basic annotations, which demonstrates the
importance of modelling basic meanings for metaphor detection.
- Abstract（参考訳）: メタファ検出の顕著な傾向の1つは、モデルアーキテクチャ設計のためのメタファ識別手順(MIP)のような言語理論を受け入れることである。
MIPは、語彙単位の比喩性は、その \textit{contextual meaning} と \textit{basic meaning} の対比に基づいて決定されると明確に定義しているが、既存の研究は、通常、ターゲット語の基本的意味を近似するために \textit{aggregated meaning} を用いて、この原則を厳密に従わない。
本稿では,トレーニングセットからのリテラルアノテーションに基づいて単語の基本的意味をモデル化し,対象文の文脈的意味と比較してメタファを識別するメタファ検出手法を提案する。
実験の結果,本手法はf1スコアの1.0\%を大きく上回った。
さらに,メタファ検出のための基本的な意味をモデル化することの重要性を実証する,基本アノテーション付きターゲットのvua18ベンチマークの理論的上限まで到達した。
関連論文リスト
- An Expectation-Realization Model for Metaphor Detection [3.249167201995207]
本稿では,2つの主要モジュールを中心に構築されたメタファ検出アーキテクチャを提案する。
期待成分は、コンテキストが与えられたリテラル単語の予測表現を推定し、実現成分は、コンテキスト内の実際の単語の意味の表現を算出する。
全体的なアーキテクチャは、単語の比喩的使用を特徴付ける期待実現パターンを学ぶために訓練される。
論文 参考訳（メタデータ） (2023-11-07T13:03:54Z) - "You Are An Expert Linguistic Annotator": Limits of LLMs as Analyzers of
Abstract Meaning Representation [60.863629647985526]
文意味構造の解析において, GPT-3, ChatGPT, および GPT-4 モデルの成功と限界について検討した。
モデルはAMRの基本形式を確実に再現でき、しばしばコアイベント、引数、修飾子構造をキャプチャできる。
全体としては,これらのモデルではセマンティック構造の側面を捉えることができるが,完全に正確なセマンティック解析や解析をサポートする能力には重要な制限が残されている。
論文 参考訳（メタデータ） (2023-10-26T21:47:59Z) - 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) - Metaphorical Polysemy Detection: Conventional Metaphor meets Word Sense
Disambiguation [9.860944032009847]
言語学者は、NLPのメタファ検出タスクが考慮しない、新しいメタファと従来のメタファを区別する。
本稿では,従来のメタファをこのような方法で扱う際の限界について検討する。
我々は、英語のWordNetにおける従来のメタファーを識別する最初のMPDモデルを開発した。
論文 参考訳（メタデータ） (2022-12-16T10:39:22Z) - On the Impact of Temporal Representations on Metaphor Detection [1.6959319157216468]
メタファー検出のための最先端のアプローチは、ニューラルネットワークに基づくシーケンシャルなメタファー分類器を使用して、リテラル(リテラル、またはコア)の意味と文脈的意味を比較する。
本研究では, 時間的, 静的な単語の埋め込みを, 意味の表現に用い, 詳細な探索分析によるメタファ検出課題について検討する。
その結果,異なる単語の埋め込みがメタファー検出タスクや時間的単語の埋め込みに影響を及ぼすことが示唆された。
論文 参考訳（メタデータ） (2021-11-05T08:43:21Z) - Metaphor Generation with Conceptual Mappings [58.61307123799594]
我々は、関連する動詞を置き換えることで、リテラル表現を与えられた比喩文を生成することを目指している。
本稿では,認知領域間の概念マッピングを符号化することで生成過程を制御することを提案する。
教師なしCM-Lexモデルは,近年のディープラーニングメタファ生成システムと競合することを示す。
論文 参考訳（メタデータ） (2021-06-02T15:27:05Z) - MelBERT: Metaphor Detection via Contextualized Late Interaction using
Metaphorical Identification Theories [5.625405679356158]
本稿では,BERT(MelBERT)上のメタファ認識遅延相互作用という,新しいメタファ検出モデルを提案する。
我々のモデルは文脈化された単語表現を利用するだけでなく、文脈的意味とリテラル的意味を区別する言語的メタファー識別理論の利点も活用している。
論文 参考訳（メタデータ） (2021-04-28T07:52:01Z) - Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。
提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
論文 参考訳（メタデータ） (2021-04-20T17:56:24Z) - Introducing Syntactic Structures into Target Opinion Word Extraction
with Deep Learning [89.64620296557177]
目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。
また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。
提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
論文 参考訳（メタデータ） (2020-10-26T07:13:17Z) - Metaphoric Paraphrase Generation [58.592750281138265]
クラウドソーシングを用いてその結果を評価し,メタファー的パラフレーズを評価するための自動指標を開発する。
語彙置換ベースラインは正確なパラフレーズを生成できるが、比喩的でないことが多い。
メタファーマスキングモデルでは,メタファー文の生成に優れ,流布やパラフレーズの品質に関してはほぼ同等に機能する。
論文 参考訳（メタデータ） (2020-02-28T16:30:33Z) - 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。
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。