Fugu-MT 論文翻訳(概要): A big data approach towards sarcasm detection in Russian

論文の概要: A big data approach towards sarcasm detection in Russian

arxiv url: http://arxiv.org/abs/2306.00445v1
Date: Thu, 1 Jun 2023 08:34:26 GMT
ステータス: 処理完了
システム内更新日: 2023-06-02 17:31:34.280636
Title: A big data approach towards sarcasm detection in Russian
Title（参考訳）: ロシアにおけるSarcasm検出へのビッグデータアプローチ
Authors: A.A. Gurin, T.M. Sadykov, T.A. Zhukov
Abstract要約: 本稿では,ロシア語の屈折と自動テキスト合成のための決定論的アルゴリズムを提案する。これらのアルゴリズムは、公開のWebサービスwww.passare.ruで実装されている。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: We present a set of deterministic algorithms for Russian inflection and automated text synthesis. These algorithms are implemented in a publicly available web-service www.passare.ru. This service provides functions for inflection of single words, word matching and synthesis of grammatically correct Russian text. Selected code and datasets are available at https://github.com/passare-ru/PassareFunctions/ Performance of the inflectional functions has been tested against the annotated corpus of Russian language OpenCorpora, compared with that of other solutions, and used for estimating the morphological variability and complexity of different parts of speech in Russian.
Abstract（参考訳）: 本稿では,ロシア語の屈折と自動テキスト合成のための決定論的アルゴリズムを提案する。これらのアルゴリズムは公開のWebサービスwww.passare.ruで実装されている。このサービスは、単一の単語のインフレクション、単語マッチング、文法的に正しいロシア語テキストの合成機能を提供する。選択されたコードとデータセットは、ロシア語のopencorporaの注釈付きコーパスに対して、https://github.com/passare-ru/passarefunctions/ performance of the inflectional functionsでテストされ、ロシア語の異なる部分の形態的変化と複雑さを推定するために使用されている。

関連論文リスト

Algorithms For Automatic Accentuation And Transcription Of Russian Texts In Speech Recognition Systems [0.0]
本稿では,ロシア語テキストの自動アクセント化と音韻転写のためのルールベースシステムの概要について述べる。開発したシステムの2つの部分、アクセントと文字起こしは、入力句の正しい音韻表現を実現するために異なるアプローチを用いている。開発ツールキットはPython言語で書かれており、興味のある研究者はGitHubからアクセスできる。
論文参考訳（メタデータ） (2024-10-03T14:43:43Z)
A General and Flexible Multi-concept Parsing Framework for Multilingual Semantic Matching [60.51839859852572]
我々は,テキストを多言語セマンティックマッチングのためのマルチコンセプトに分解し,NERモデルに依存するモデルからモデルを解放することを提案する。英語データセットのQQPとMRPC、中国語データセットのMedical-SMについて包括的な実験を行った。
論文参考訳（メタデータ） (2024-03-05T13:55:16Z)
Lexical Complexity Prediction: An Overview [13.224233182417636]
テキスト中の未知の単語の発生は、読書の理解を著しく妨げている。計算モデリングは、テキスト中の複雑な単語を識別し、より単純な代替語に置き換えるために応用されている。本稿では,英文データに基づく語彙複雑性予測に対する計算手法の概要について述べる。
論文参考訳（メタデータ） (2023-03-08T19:35:08Z)
HanoiT: Enhancing Context-aware Translation via Selective Context [95.93730812799798]
コンテキスト対応ニューラルネットワーク翻訳は、文書レベルのコンテキストを使用して翻訳品質を改善することを目的としている。無関係または自明な単語は、いくつかのノイズをもたらし、モデルが現在の文と補助的な文脈の関係を学ぶのを邪魔する可能性がある。そこで本稿では,階層的選択機構を備えたエンド・ツー・エンドのエンコーダ・デコーダモデルを提案する。
論文参考訳（メタデータ） (2023-01-17T12:07:13Z)
RuDSI: graph-based word sense induction dataset for Russian [1.997704019887898]
RuDSIはロシア語で単語感覚誘導(WSI)のための新しいベンチマークである。完全にデータ駆動であり、アノテータに外部語感覚を課すことはない。
論文参考訳（メタデータ） (2022-09-28T00:08:24Z)
Multilingual Extraction and Categorization of Lexical Collocations with Graph-aware Transformers [86.64972552583941]
我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
論文参考訳（メタデータ） (2022-05-23T16:47:37Z)
More Romanian word embeddings from the RETEROM project [0.0]
単語埋め込み」は、単語のベクトル表現を自動的に学習する。使用可能な単語埋め込みセットをオープンアクセス可能な大規模ライブラリを開発する計画である。
論文参考訳（メタデータ） (2021-11-21T06:05:12Z)
On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
論文参考訳（メタデータ） (2021-10-15T21:41:16Z)
An analysis of full-size Russian complexly NER labelled corpus of Internet user reviews on the drugs based on deep learning and language neural nets [94.37521840642141]
我々は、インターネットユーザーレビューのフルサイズのロシアの複雑なNERラベルコーパスを提示します。高度なディープラーニングニューラルネットワークセットは、ロシアのテキストから薬理学的に有意義な実体を抽出するために使用される。
論文参考訳（メタデータ） (2021-04-30T19:46:24Z)
Consecutive Decoding for Speech-to-text Translation [51.155661276936044]
COnSecutive Transcription and Translation (COSTT)は、音声からテキストへの翻訳に不可欠な手法である。鍵となるアイデアは、ソースの書き起こしとターゲットの翻訳テキストを1つのデコーダで生成することである。本手法は3つの主流データセットで検証する。
論文参考訳（メタデータ） (2020-09-21T10:10:45Z)
Automatically Ranked Russian Paraphrase Corpus for Text Generation [0.0]
この記事は、ロシア語のパラフレーズ生成のための大規模なコーパスの自動開発とランキングに焦点を当てている。既存のロシア語の注釈付きパラフレーズデータセットは、小型のParaPhraser corpusとParaPlagに限られている。
論文参考訳（メタデータ） (2020-06-17T08:40:52Z)

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。