論文の概要: Widely Interpretable Semantic Representation: Frameless Meaning Representation for Broader Applicability

• arxiv url: http://arxiv.org/abs/2309.06460v1
• Date: Tue, 12 Sep 2023 17:44:40 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-14 16:51:45.602881
• Title: Widely Interpretable Semantic Representation: Frameless Meaning Representation for Broader Applicability
• Title（参考訳）: 広く解釈可能な意味表現:幅広い適用性のためのフレームレス意味表現
• Authors: Lydia Feng, Gregor Williamson, Han He, Jinho D. Choi
• Abstract要約: 本稿では,抽象的意味表現 (AMR) の課題を克服する新しい意味表現 WISeR を提案する。 その強みにもかかわらず、AMRは事前に定義されたセマンティックフレームなしでは言語やドメインに簡単に適用できない。 WISeRとAMR WISeRの両方で1Kの英会話文の新たなコーパスを作成する。
• 参考スコア（独自算出の注目度）: 10.710058244695128
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents a novel semantic representation, WISeR, that overcomes challenges for Abstract Meaning Representation (AMR). Despite its strengths, AMR is not easily applied to languages or domains without predefined semantic frames, and its use of numbered arguments results in semantic role labels, which are not directly interpretable and are semantically overloaded for parsers. We examine the numbered arguments of predicates in AMR and convert them to thematic roles that do not require reference to semantic frames. We create a new corpus of 1K English dialogue sentences annotated in both WISeR and AMR. WISeR shows stronger inter-annotator agreement for beginner and experienced annotators, with beginners becoming proficient in WISeR annotation more quickly. Finally, we train a state-of-the-art parser on the AMR 3.0 corpus and a WISeR corpus converted from AMR 3.0. The parser is evaluated on these corpora and our dialogue corpus. The WISeR model exhibits higher accuracy than its AMR counterpart across the board, demonstrating that WISeR is easier for parsers to learn.
• Abstract（参考訳）: 本稿では,抽象的意味表現 (AMR) の課題を克服する新しい意味表現 WISeR を提案する。 その強みにもかかわらず、AMRは事前に定義されたセマンティックフレームなしでは言語やドメインに簡単に適用できず、番号付き引数を使用すると、直接解釈できないセマンティックロールラベルとなり、パーサーにセマンティックオーバーロードされる。 本稿では,AMRにおける述語数論法を検証し,意味的フレームを参照する必要のない主題的役割に変換する。 wiserとamrの両方に注釈付き1kの英語対話文の新しいコーパスを作成する。 WISeRは初心者と経験者アノテータに対してより強力なアノテータ契約を示し、初心者はWISeRアノテーションに精通するようになる。 最後に、AMR 3.0コーパスと、AMR 3.0から変換されたWISeRコーパスに最先端のパーサをトレーニングする。 これらのコーパスと対話コーパスを用いて解析を行った。 WISeRモデルはボード全体のAMRよりも高い精度を示しており、WISeRはパーサーが学習しやすいことを示している。

関連論文リスト

• Scope-enhanced Compositional Semantic Parsing for DRT [52.657454970993086]
  談話表現のための構成的, 神経象徴的意味的ニューロシンボリックAMS理論について紹介する。 我々は, AMS が良好な出力を確実に生成し, DRT 解析, 特に複雑な文に対して良好に動作することを示す。
  論文  参考訳（メタデータ） (2024-07-02T02:50:15Z)
• AMR Parsing is Far from Solved: GrAPES, the Granular AMR Parsing Evaluation Suite [18.674172788583967]
  粒状AMR解析評価スイート(GrAPES) 粒状AMR解析評価スイート(GrAPES)について紹介する。 GrAPESは、現在のAMRの能力と欠点を深く明らかにしている。
  論文  参考訳（メタデータ） (2023-12-06T13:19:56Z)
• "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)
• Retrofitting Multilingual Sentence Embeddings with Abstract Meaning Representation [70.58243648754507]
  抽象的意味表現(AMR)を用いた既存の多言語文の埋め込みを改善する新しい手法を提案する。 原文入力と比較すると、AMRは文の中核概念と関係を明確かつ曖昧に表す構造的意味表現である。 実験結果から,多言語文をAMRで埋め込むと,意味的類似性と伝達タスクの両方において,最先端の性能が向上することがわかった。
  論文  参考訳（メタデータ） (2022-10-18T11:37:36Z)
• Transition-based Abstract Meaning Representation Parsing with Contextual Embeddings [0.0]
  本研究では,意味解析のタスクにおいて,言語モデルと記号意味論の定式化という,言語の意味への最も成功したルートを2つ組み合わせる手法について検討する。 本稿では,事前学習した文脈認識単語の埋め込み(BERTやRoBERTaなど)を解析問題に組み込むことの有用性について検討する。
  論文  参考訳（メタデータ） (2022-06-13T15:05:24Z)
• Dialogue Meaning Representation for Task-Oriented Dialogue Systems [51.91615150842267]
  タスク指向対話のための柔軟かつ容易に拡張可能な表現である対話意味表現(DMR)を提案する。 我々の表現は、合成意味論とタスク固有の概念のためのリッチな意味論を表現するために、継承階層を持つノードとエッジのセットを含んでいる。 異なる機械学習ベースの対話モデルを評価するための2つの評価タスクを提案し、さらにグラフベースのコア参照解決タスクのための新しいコア参照解決モデルGNNCorefを提案する。
  論文  参考訳（メタデータ） (2022-04-23T04:17:55Z)
• Making Better Use of Bilingual Information for Cross-Lingual AMR Parsing [88.08581016329398]
  概念の誤認は、英語のトークンとAMRの概念の関連性が高いためである、と我々は主張する。 モデルがより正確な概念を予測できるように、バイリンガル入力、すなわち翻訳されたテキストと非英語のテキストを導入します。
  論文  参考訳（メタデータ） (2021-06-09T05:14:54Z)
• Translate, then Parse! A strong baseline for Cross-Lingual AMR Parsing [10.495114898741205]
  我々は,各言語からの文をAMRに投影し,それらの意味的構造を捉えるモデルを開発した。 本稿では,単純な2ステップベースラインを再検討し,強力なNMTシステムと強力なAMRで拡張する。 実験の結果,T+Pはすべてのテスト言語で最新の最先端システムより優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-08T17:52:48Z)
• Pareto Probing: Trading Off Accuracy for Complexity [87.09294772742737]
  我々は,プローブの複雑性と性能の基本的なトレードオフを反映したプローブ計量について論じる。 係り受け解析による実験により,文脈表現と非文脈表現の統語的知識の幅広いギャップが明らかとなった。
  論文  参考訳（メタデータ） (2020-10-05T17:27:31Z)

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。