論文の概要: Mining Clues from Incomplete Utterance: A Query-enhanced Network for Incomplete Utterance Rewriting

• arxiv url: http://arxiv.org/abs/2307.00866v2
• Date: Thu, 27 Jul 2023 17:55:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-28 19:30:12.036205
• Title: Mining Clues from Incomplete Utterance: A Query-enhanced Network for Incomplete Utterance Rewriting
• Title（参考訳）: 不完全発話からのマイニング:不完全発話書き換えのためのクエリ強化ネットワーク
• Authors: Shuzheng Si, Shuang Zeng, Baobao Chang
• Abstract要約: 不完全な発話書き直しの問題に対処するQUEry-Enhanced Network (QUEEN)を提案する。 提案するクエリテンプレートは,不完全な発話と書き直された発話生成モデルの間の意味的構造的知識を明示的に提供する。 我々は、2つのトークンの関係をモデル化するために、高速で効果的な編集操作スコアリングネットワークを採用する。
• 参考スコア（独自算出の注目度）: 19.61459026395263
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Incomplete utterance rewriting has recently raised wide attention. However, previous works do not consider the semantic structural information between incomplete utterance and rewritten utterance or model the semantic structure implicitly and insufficiently. To address this problem, we propose a QUEry-Enhanced Network (QUEEN). Firstly, our proposed query template explicitly brings guided semantic structural knowledge between the incomplete utterance and the rewritten utterance making model perceive where to refer back to or recover omitted tokens. Then, we adopt a fast and effective edit operation scoring network to model the relation between two tokens. Benefiting from proposed query template and the well-designed edit operation scoring network, QUEEN achieves state-of-the-art performance on several public datasets.
• Abstract（参考訳）: 不完全発話の書き直しが最近注目を集めている。 しかし、先行研究では、不完全発話と書き直し発話の間の意味構造情報を考慮せず、暗黙的かつ不十分に意味構造をモデル化している。 そこで本研究では,QUERY-Enhanced Network (QUEEN)を提案する。 まず,提案する問合せテンプレートは,不完全発話と書き直された発話モデル間の意味的構造的知識を明示的にもたらし,省略されたトークンを参照したり,取り戻したりする場所を認識させる。 次に,2つのトークン間の関係をモデル化するために,高速かつ効果的な編集動作スコアリングネットワークを採用する。 提案されたクエリテンプレートとよく設計された編集操作スコアリングネットワークから得られるQUEENは、いくつかの公開データセット上で最先端のパフォーマンスを実現する。

関連論文リスト

• Multi-Granularity Information Interaction Framework for Incomplete Utterance Rewriting [32.05944198256814]
  Incomplete Utterance Rewriting (IUR)の最近のアプローチでは、重要な単語のソースをキャプチャできない。 本稿では,コンテキスト選択,編集行列の構成,関連性統合を含む,新しいマルチタスク情報インタラクションフレームワークを提案する。
  論文  参考訳（メタデータ） (2023-12-19T08:43:02Z)
• Conjunct Resolution in the Face of Verbal Omissions [51.220650412095665]
  本稿では,テキスト上で直接動作する接続分解タスクを提案し,コーディネーション構造に欠けている要素を復元するために,分割・言い換えパラダイムを利用する。 クラウドソースアノテーションによる自然に発生する動詞の省略例を10万件以上を含む,大規模なデータセットをキュレートする。 我々は、このタスクのために様々な神経ベースラインをトレーニングし、最良の手法が適切なパフォーマンスを得る一方で、改善のための十分なスペースを残していることを示す。
  論文  参考訳（メタデータ） (2023-05-26T08:44:02Z)
• Does Recommend-Revise Produce Reliable Annotations? An Analysis on Missing Instances in DocRED [60.39125850987604]
  テキスト修正方式は, 偽陰性サンプルと, 人気エンティティや関係性に対する明らかな偏見をもたらすことを示す。 より信頼性の高いドキュメントREモデルのテストセットとして機能するように、relabeledデータセットがリリースされている。
  論文  参考訳（メタデータ） (2022-04-17T11:29:01Z)
• Transformer-Based Approach for Joint Handwriting and Named Entity Recognition in Historical documents [1.7491858164568674]
  本研究は,手書き文書における名前付きエンティティ認識にトランスフォーマネットワークを採用した最初のアプローチを示す。 我々は,Esposalles データベースを用いた ICDAR 2017 Information extract コンペティションにおいて,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-12-08T09:26:21Z)
• KnowPrompt: Knowledge-aware Prompt-tuning with Synergistic Optimization for Relation Extraction [111.74812895391672]
  シナジスティック最適化(KnowPrompt)を用いた知識認識型Promptチューニング手法を提案する。 関係ラベルに含まれる潜在知識をインジェクトして,学習可能な仮想型語と解答語で構築する。
  論文  参考訳（メタデータ） (2021-04-15T17:57:43Z)
• Adaptive Attentional Network for Few-Shot Knowledge Graph Completion [16.722373937828117]
  Few-shot Knowledge Graph (KG) の完成は、現在の研究の焦点であり、各タスクは、数少ない参照エンティティペアを考えると、関係の見えない事実をクエリすることを目的としている。 最近の試みでは、エンティティと参照の静的表現を学習し、それらの動的特性を無視してこの問題を解決している。 本研究は,適応実体と参照表現を学習することにより,数ショットのKG補完のための適応的注意ネットワークを提案する。
  論文  参考訳（メタデータ） (2020-10-19T16:27:48Z)
• Automated Concatenation of Embeddings for Structured Prediction [75.44925576268052]
  本稿では, 埋め込みの自動結合(ACE)を提案し, 構造予測タスクにおける埋め込みのより優れた結合を見つけるプロセスを自動化する。 我々は、強化学習の戦略に従い、制御器のパラメータを最適化し、タスクモデルの精度に基づいて報酬を計算する。
  論文  参考訳（メタデータ） (2020-10-10T14:03:20Z)
• Incomplete Utterance Rewriting as Semantic Segmentation [57.13577518412252]
  本稿では, セマンティックセグメンテーションタスクとして定式化する, 斬新で広範囲なアプローチを提案する。 スクラッチから生成する代わりに、このような定式化は編集操作を導入し、単語レベルの編集行列の予測として問題を形作る。 私たちのアプローチは、推論における標準的なアプローチの4倍高速です。
  論文  参考訳（メタデータ） (2020-09-28T09:29:49Z)
• Counterfactual Detection meets Transfer Learning [48.82717416666232]
  既存のモデルアーキテクチャに最小限の適応で実装可能な,単純なバイナリ分類タスクであることを示す。 本稿では,先行者や後続者をエンティティ認識タスクとして処理するエンド・ツー・エンドパイプラインを導入し,それらをトークン分類に適用する。
  論文  参考訳（メタデータ） (2020-05-27T02:02:57Z)
• Discontinuous Constituent Parsing with Pointer Networks [0.34376560669160383]
  不連続な構成木は、ドイツ語のような言語の文法的な現象を表現するのに不可欠である。 係り受け解析の最近の進歩は、ポインタネットワークが文中の単語間の構文関係を効率的に解析することに優れていることを示している。 本稿では,最も正確な不連続な構成表現を生成するニューラルネットワークアーキテクチャを提案する。
  論文  参考訳（メタデータ） (2020-02-05T15:12:03Z)

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。