論文の概要: A Neural-Symbolic Approach Towards Identifying Grammatically Correct Sentences

• arxiv url: http://arxiv.org/abs/2307.08036v1
• Date: Sun, 16 Jul 2023 13:21:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-18 16:00:35.054035
• Title: A Neural-Symbolic Approach Towards Identifying Grammatically Correct Sentences
• Title（参考訳）: 文法的に正しい文を識別するニューラルシンボリックアプローチ
• Authors: Nicos Isaak
• Abstract要約: テキスト要約、質問回答、機械翻訳、代名詞分解といった課題に取り組むためには、有効な情報源から十分に書かれたテキストにアクセスすることが重要であると一般に受け入れられている。 本稿では,新しいニューラルシンボリックアプローチにより,英語の文を簡易に検証する方法を提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Textual content around us is growing on a daily basis. Numerous articles are being written as we speak on online newspapers, blogs, or social media. Similarly, recent advances in the AI field, like language models or traditional classic AI approaches, are utilizing all the above to improve their learned representation to tackle NLP challenges with human-like accuracy. It is commonly accepted that it is crucial to have access to well-written text from valid sources to tackle challenges like text summarization, question-answering, machine translation, or even pronoun resolution. For instance, to summarize well, one needs to select the most important sentences in order to concatenate them to form the summary. However, what happens if we do not have access to well-formed English sentences or even non-valid sentences? Despite the importance of having access to well-written sentences, figuring out ways to validate them is still an open area of research. To address this problem, we present a simplified way to validate English sentences through a novel neural-symbolic approach. Lately, neural-symbolic approaches have triggered an increasing interest towards tackling various NLP challenges, as they are demonstrating their effectiveness as a central component in various AI systems. Through combining Classic with Modern AI, which involves the blending of grammatical and syntactical rules with language models, we effectively tackle the Corpus of Linguistic Acceptability (COLA), a task that shows whether or not a sequence of words is an English grammatical sentence. Among others, undertaken experiments effectively show that blending symbolic and non-symbolic systems helps the former provide insights about the latter's accuracy results.
• Abstract（参考訳）: 私たちの周りのテキストコンテンツは毎日増えています。 オンラインの新聞やブログやソーシャルメディアで、多くの記事が書かれています。 同様に、言語モデルや従来のAIアプローチのようなAI分野の最近の進歩は、上記のすべてを活用して、学習した表現を改善して、人間のような精度でNLP課題に取り組む。 テキスト要約、質問処理、機械翻訳、さらには代名詞分解といった課題に取り組むために、有効な情報源からよく書かれたテキストにアクセスすることが重要であると一般的に認められている。 例えば、うまく要約するには、要約を形成するためにそれらを結合するために最も重要な文を選択する必要がある。 しかし、うまく形づくられた英文や非有価語文にアクセスできない場合はどうなりますか。 良く書かれた文にアクセスすることの重要性にもかかわらず、それらを検証する方法を見つけることは依然として研究のオープン領域である。 この問題に対処するため,新しいニューラルシンボリックアプローチにより,英語の文を簡易に検証する方法を提案する。 近年、ニューラルシンボリックアプローチは、さまざまなAIシステムにおける中心的なコンポーネントとしての有効性を示すため、さまざまなNLP課題に取り組むことへの関心が高まっている。 文法規則と構文規則を言語モデルと組み合わせた古典と現代AIを組み合わせることで、単語列が英文法文であるか否かを示すタスクである言語受容性コーパス(COLA)に効果的に取り組む。 実験では、記号系と非記号系を混合することで、後者の精度に関する洞察が得られることが効果的に示されている。

関連論文リスト

• Pixel Sentence Representation Learning [67.4775296225521]
  本研究では,視覚表現学習プロセスとして,文レベルのテキスト意味論の学習を概念化する。 タイポスや単語順シャッフルのような視覚的に接地されたテキスト摂動法を採用し、人間の認知パターンに共鳴し、摂動を連続的に認識できるようにする。 我々のアプローチは、大規模に教師なしのトピックアライメントトレーニングと自然言語推論監督によってさらに強化されている。
  論文  参考訳（メタデータ） (2024-02-13T02:46:45Z)
• A Comprehensive Survey of Sentence Representations: From the BERT Epoch to the ChatGPT Era and Beyond [45.455178613559006]
  文表現は、検索、質問応答、テキスト分類などのNLPアプリケーションにおいて重要な要素である。 彼らは文章の意味を捉え、機械が人間の言語について理解し、推論することを可能にする。 文表現に関する文献のレビューは今のところない。
  論文  参考訳（メタデータ） (2023-05-22T02:31:15Z)
• 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)
• Revisiting the Roles of "Text" in Text Games [102.22750109468652]
  本稿では,強化学習におけるテキストの役割について検討する。 本稿では,関連するコンテキスト情報を近似状態ハッシュに抽出する簡単な手法を提案する。 このような軽量なプラグインは最先端のテキストエージェントとの競合性能を実現する。
  論文  参考訳（メタデータ） (2022-10-15T21:52:39Z)
• A New Sentence Ordering Method Using BERT Pretrained Model [2.1793134762413433]
  本稿では,訓練段階を必要とせず,学習のための大きなコーパスを必要とする文順序付け手法を提案する。 提案手法は,5文ストーリーのコーパスであるROCStoriesの他のベースラインよりも優れていた。 この方法の他の利点の1つは、言語知識に対する解釈可能性と不要性である。
  論文  参考訳（メタデータ） (2021-08-26T18:47:15Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Learning Adaptive Language Interfaces through Decomposition [89.21937539950966]
  本稿では,分解による新しいハイレベルな抽象化を学習するニューラルセマンティック解析システムを提案する。 ユーザは、新しい振る舞いを記述する高レベルな発話を低レベルなステップに分解することで、対話的にシステムを教える。
  論文  参考訳（メタデータ） (2020-10-11T08:27:07Z)
• Interactive Fiction Game Playing as Multi-Paragraph Reading Comprehension with Reinforcement Learning [94.50608198582636]
  対話型フィクション(IF)ゲームと実際の自然言語テキストは、言語理解技術に対する新たな自然な評価を提供する。 IFゲーム解決の新たな視点を捉え,MPRC(Multi-Passage Reading)タスクとして再フォーマットする。
  論文  参考訳（メタデータ） (2020-10-05T23:09:20Z)
• Abstractive Summarization of Spoken and Written Instructions with BERT [66.14755043607776]
  本稿では,BERTSumモデルの最初の対話型言語への応用について述べる。 我々は多種多様な話題にまたがるナレーションビデオの抽象要約を生成する。 我々は、これをインテリジェントな仮想アシスタントの機能として統合し、要求に応じて文字と音声の両方の指導内容の要約を可能にすることを想定する。
  論文  参考訳（メタデータ） (2020-08-21T20:59:34Z)

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。