論文の概要: Persian Semantic Role Labeling Using Transfer Learning and BERT-Based
Models
- arxiv url: http://arxiv.org/abs/2306.10339v1
- Date: Sat, 17 Jun 2023 12:50:09 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-21 22:55:17.552995
- Title: Persian Semantic Role Labeling Using Transfer Learning and BERT-Based
Models
- Title(参考訳): 移行学習とBERTモデルを用いたペルシャ意味的役割ラベル付け
- Authors: Saeideh Niksirat Aghdam, Sayyed Ali Hossayni, Erfan Khedersolh Sadeh,
Nasim Khozouei, Behrouz Minaei Bidgoli
- Abstract要約: 本稿では,特徴抽出の必要性を解消するだけでなく,既存手法よりも優れた特徴抽出手法を提案する。
提案手法は補助的特徴を一切用いておらず, 同様の状況下では従来手法に比べて精度が16(83.16)以上向上している。
- 参考スコア(独自算出の注目度): 5.592292907237565
- License: http://creativecommons.org/licenses/by-nc-nd/4.0/
- Abstract: Semantic role labeling (SRL) is the process of detecting the
predicate-argument structure of each predicate in a sentence. SRL plays a
crucial role as a pre-processing step in many NLP applications such as topic
and concept extraction, question answering, summarization, machine translation,
sentiment analysis, and text mining. Recently, in many languages, unified SRL
dragged lots of attention due to its outstanding performance, which is the
result of overcoming the error propagation problem. However, regarding the
Persian language, all previous works have focused on traditional methods of SRL
leading to a drop in accuracy and imposing expensive feature extraction steps
in terms of financial resources, time and energy consumption. In this work, we
present an end-to-end SRL method that not only eliminates the need for feature
extraction but also outperforms existing methods in facing new samples in
practical situations. The proposed method does not employ any auxiliary
features and shows more than 16 (83.16) percent improvement in accuracy against
previous methods in similar circumstances.
- Abstract(参考訳): 意味的役割ラベリング(srl)は、文中の各述語における述語-指示構造を検出するプロセスである。
SRLはトピックや概念抽出、質問応答、要約、機械翻訳、感情分析、テキストマイニングといった多くのNLPアプリケーションにおいて、前処理のステップとして重要な役割を果たす。
近年、多くの言語で統一srlは、その優れた性能のために多くの注目を集めており、これはエラー伝播問題を克服した結果である。
しかし、ペルシア語については、これまでのすべての研究はSRLの伝統的な手法に焦点を合わせており、精度が低下し、金融資源、時間、エネルギー消費の面で高価な特徴抽出ステップを課している。
そこで本研究では, 特徴抽出の必要性をなくすだけでなく, 実環境において新たなサンプルを対象とする既存手法よりも優れる, エンドツーエンドのsrl法を提案する。
提案手法は補助的特徴を一切用いておらず, 従来手法に比べて精度が16(83.16)以上向上している。
関連論文リスト
- Orthogonal Subspace Learning for Language Model Continual Learning [45.35861158925975]
O-LoRAは、言語モデルにおける継続学習のためのシンプルで効率的なアプローチである。
提案手法は,パラメータの余分な追加コストのみを誘導し,再生にユーザデータストレージを必要としない。
論文 参考訳(メタデータ) (2023-10-22T02:23:44Z) - Revisiting the Linear-Programming Framework for Offline RL with General
Function Approximation [24.577243536475233]
オフライン強化学習(RL)は、事前に収集されたデータセットからシーケンシャルな意思決定のための最適なポリシーを追求する。
近年の理論的進歩は、データカバレッジと関数近似器に関する様々な緩和された仮定を持つサンプル効率の良いオフラインRLアルゴリズムの開発に焦点が当てられている。
オフラインRLのための線形プログラミングフレームワークを再検討し、いくつかの面で既存の結果を前進させます。
論文 参考訳(メタデータ) (2022-12-28T15:28:12Z) - PriMeSRL-Eval: A Practical Quality Metric for Semantic Role Labeling
Systems Evaluation [66.79238445033795]
より厳密なSRL評価指標PriMeSRLを提案する。
また,PriMeSRLは,すべてのSoTA SRLモデルの品質評価を著しく低下させることを示した。
また、PriMeSRLは、SoTA SRLモデルにおける実際の故障を必然的にペナルティ化することを示す。
論文 参考訳(メタデータ) (2022-10-12T17:04:28Z) - Transition-based Semantic Role Labeling with Pointer Networks [0.40611352512781856]
本稿では,1つの左から右へのパスで入力文を完全に処理できる,トランジッションベースのSRLアプローチを提案する。
Pointer Networksをベースとした実装のおかげで、完全なSRLは$O(n2)$で正確かつ効率的に実行できる。
論文 参考訳(メタデータ) (2022-05-20T08:38:44Z) - Bridging the Gap between Language Models and Cross-Lingual Sequence
Labeling [101.74165219364264]
大規模言語間事前学習言語モデル (xPLM) は、言語間シーケンスラベリングタスクにおいて有効であることを示す。
大きな成功にもかかわらず、事前学習と微調整の段階の間には訓練対象のギャップがあるという経験的観察を描いている。
本稿では,まず,言語間インフォーマティブ・スパン・マスキング(CLISM)と呼ばれるxSLのための事前学習タスクを設計し,目的のギャップを解消する。
第2に、コントラスト学習を利用して入力並列表現間の一貫性を促進するContrAstive-Consistency Regularization (CACR)を提案する。
論文 参考訳(メタデータ) (2022-04-11T15:55:20Z) - Text Generation with Efficient (Soft) Q-Learning [91.47743595382758]
強化学習(RL)は、任意のタスクメトリクスを報酬としてプラグインすることで、より柔軟なソリューションを提供する。
ソフトQ-ラーニングの観点からテキスト生成のための新しいRL式を導入する。
雑音/負の例から学習し、敵攻撃、即時生成など、幅広いタスクにアプローチを適用する。
論文 参考訳(メタデータ) (2021-06-14T18:48:40Z) - Reducing Confusion in Active Learning for Part-Of-Speech Tagging [100.08742107682264]
アクティブラーニング(AL)は、データ選択アルゴリズムを使用して、アノテーションコストを最小限に抑えるために有用なトレーニングサンプルを選択する。
本研究では、特定の出力タグのペア間の混乱を最大に低減するインスタンスの選択問題について検討する。
提案するAL戦略は,他のAL戦略よりも有意差で優れている。
論文 参考訳(メタデータ) (2020-11-02T06:24:58Z) - Learning to Sample with Local and Global Contexts in Experience Replay
Buffer [135.94190624087355]
遷移の相対的重要性を計算できる学習に基づく新しいサンプリング手法を提案する。
本研究の枠組みは, 様々な非政治強化学習手法の性能を著しく向上させることができることを示す。
論文 参考訳(メタデータ) (2020-07-14T21:12:56Z) - Pre-training Is (Almost) All You Need: An Application to Commonsense
Reasoning [61.32992639292889]
事前学習されたトランスモデルの微調整は、一般的なNLPタスクを解決するための標準的なアプローチとなっている。
そこで本研究では,可視性ランキングタスクをフルテキスト形式でキャストする新たなスコアリング手法を提案する。
提案手法は, ランダム再起動にまたがって, より安定した学習段階を提供することを示す。
論文 参考訳(メタデータ) (2020-04-29T10:54:40Z) - Cross-Lingual Semantic Role Labeling with High-Quality Translated
Training Corpus [41.031187560839555]
言語間セマンティックロールのラベル付けは、この問題に対処するための有望な方法である。
目的言語のための高品質なトレーニングデータセットを構築するためのコーパス翻訳に基づく新しい代替案を提案する。
ユニバーサル・プロポーション・バンクの実験結果から, 翻訳法が有効であることが示唆された。
論文 参考訳(メタデータ) (2020-04-14T04:16:43Z)
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。