論文の概要: Generating Semantic Graph Corpora with Graph Expansion Grammar
- arxiv url: http://arxiv.org/abs/2309.08714v1
- Date: Fri, 15 Sep 2023 19:10:19 GMT
- ステータス: 処理完了
- システム内更新日: 2023-09-19 19:54:20.934047
- Title: Generating Semantic Graph Corpora with Graph Expansion Grammar
- Title（参考訳）: グラフ拡張文法を用いた意味グラフコーパスの生成
- Authors: Eric Andersson (Ume{\aa} University), Johanna Bj\"orklund (Ume{\aa}
University), Frank Drewes (Ume{\aa} University), Anna Jonsson (Ume{\aa}
University)
- Abstract要約: Lovelaceはセマンティックグラフのコーパスを作成するツールである。
このシステムはグラフ拡張文法を表現言語として利用する。
中心的なユースケースは、既存のコーパスを強化するための合成データの作成と、形式言語理論を教えるための教育ツールである。
- 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: We introduce Lovelace, a tool for creating corpora of semantic graphs. The
system uses graph expansion grammar as a representational language, thus
allowing users to craft a grammar that describes a corpus with desired
properties. When given such grammar as input, the system generates a set of
output graphs that are well-formed according to the grammar, i.e., a graph
bank. The generation process can be controlled via a number of configurable
parameters that allow the user to, for example, specify a range of desired
output graph sizes. Central use cases are the creation of synthetic data to
augment existing corpora, and as a pedagogical tool for teaching formal
language theory.
- Abstract（参考訳）: セマンティックグラフのコーパスを作成するツールであるLovelaceを紹介します。
このシステムはグラフ拡張文法を表現言語として使用し、ユーザーは所望の特性を持つコーパスを記述する文法を作成できる。
このような文法を入力として与えると、システムは文法に従ってよく形づくられた出力グラフの集合、すなわちグラフバンクを生成する。
生成プロセスは、例えば、所望の出力グラフサイズの範囲を指定できるように、複数の設定可能なパラメータを介して制御することができる。
中心的なユースケースは、既存のコーパスを強化するための合成データの作成と、形式言語理論を教えるための教育ツールである。
関連論文リスト
- When Graph Data Meets Multimodal: A New Paradigm for Graph Understanding
and Reasoning [54.84870836443311]
本稿では,画像エンコーディングとマルチモーダル技術を統合することで,グラフデータの理解と推論を行う新しいパラダイムを提案する。
このアプローチは, GPT-4Vの高度な機能を利用して, 命令応答形式によるグラフデータの理解を可能にする。
研究は、このパラダイムを様々なグラフタイプで評価し、特に中国のOCRパフォーマンスと複雑な推論タスクにおいて、モデルの強みと弱みを強調した。
論文 参考訳（メタデータ） (2023-12-16T08:14:11Z) - Hi-ArG: Exploring the Integration of Hierarchical Argumentation Graphs
in Language Pretraining [62.069374456021016]
議論を整理する新しい構造である階層的議論グラフ(Hi-ArG)を提案する。
また,テキストグラフマルチモーダルモデルであるGreaseArGや,グラフ情報を付加した新たな事前学習フレームワークなど,Hi-ArGを活用するための2つのアプローチを導入する。
論文 参考訳（メタデータ） (2023-12-01T19:03:38Z) - Dynamic Vertex Replacement Grammars [6.3872634680339635]
我々は,DyVeRG文法を学習し,実世界の動的グラフを忠実に生成することができることを示す。
また、新しいグラフ類似度測定法であるダイバージェンススコアを計算して予測する能力を示す。
論文 参考訳（メタデータ） (2023-03-21T02:44:15Z) - Explanation Graph Generation via Pre-trained Language Models: An
Empirical Study with Contrastive Learning [84.35102534158621]
エンドツーエンドで説明グラフを生成する事前学習言語モデルについて検討する。
本稿では,ノードとエッジの編集操作によるグラフ摂動の簡易かつ効果的な方法を提案する。
提案手法は,説明グラフの構造的精度と意味的精度を両立させる。
論文 参考訳（メタデータ） (2022-04-11T00:58:27Z) - On Bi-gram Graph Attributes [0.0]
コーパスの「ビグラムグラフ」表現を用いたテキスト意味解析の新しい手法を提案する。
グラフ理論から派生した異なる属性は、ユニークな洞察として、あるいは他のコーパスグラフに対して測定され分析される。
論文 参考訳（メタデータ） (2021-07-05T16:36:19Z) - Do Transformers Really Perform Bad for Graph Representation? [62.68420868623308]
標準の Transformer アーキテクチャをベースに構築された Graphormer について述べる。
グラフでTransformerを利用する上で重要な洞察は、グラフの構造情報をモデルに効果的にエンコードする必要があることである。
論文 参考訳（メタデータ） (2021-06-09T17:18:52Z) - Stage-wise Fine-tuning for Graph-to-Text Generation [25.379346921398326]
グラフからテキストへの生成は、構造化グラフエンコーダよりも優れたパフォーマンスを達成するための事前学習言語モデル(plm)の恩恵を受けている。
本研究では, ウィキペディアで最初に微調整を行い, グラフ・テキスト生成に適応する構造化グラフ・トゥ・テキストモデルを提案する。
論文 参考訳（メタデータ） (2021-05-17T17:15:29Z) - Polynomial Graph Parsing with Non-Structural Reentrancies [0.2867517731896504]
グラフベースの意味表現は自然言語処理に有用である。
非構造的再帰性を持つグラフを生成するグラフ拡張文法を導入する。
本論文では,グラフ拡張文法の構文解析アルゴリズムを提案する。
論文 参考訳（メタデータ） (2021-05-05T13:05:01Z) - Promoting Graph Awareness in Linearized Graph-to-Text Generation [72.83863719868364]
局所グラフ構造を符号化する線形化モデルの能力を検討する。
本研究は,モデルの暗黙のグラフ符号化の品質を高めるための解法である。
これらの消音足場は、低リソース設定における下流生成の大幅な改善につながることが分かりました。
論文 参考訳（メタデータ） (2020-12-31T18:17:57Z) - Relation Extraction with Self-determined Graph Convolutional Network [9.752388851329664]
関係抽出は、テキスト内のエンティティ間の意味的関係を得る方法である。
最先端の手法は言語ツールを使用して、エンティティが現れるテキスト用のグラフを構築する。
本稿では,自己認識機構を用いて重み付きグラフを決定する新たなモデルである自己決定グラフ畳み込みネットワーク(SGCN)を提案する。
論文 参考訳（メタデータ） (2020-08-02T09:52:58Z) - Graph-Structured Referring Expression Reasoning in The Wild [105.95488002374158]
接地参照表現は、自然言語表現によって参照されるオブジェクトのイメージ中を特定することを目的としている。
本研究では,シーングラフとシーングラフの推論を行うために,シーングラフガイドモジュールネットワーク(SGMN)を提案する。
また,構造化参照式推論のための大規模実世界のデータセットRef-Reasoningを提案する。
論文 参考訳（メタデータ） (2020-04-19T11:00:30Z)
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。