Fugu-MT 論文翻訳(概要): Incorporating Singletons and Mention-based Features in Coreference Resolution via Multi-task Learning for Better Generalization

論文の概要: Incorporating Singletons and Mention-based Features in Coreference Resolution via Multi-task Learning for Better Generalization

arxiv url: http://arxiv.org/abs/2309.11582v1
Date: Wed, 20 Sep 2023 18:44:24 GMT
ステータス: 処理完了
システム内更新日: 2023-09-22 18:03:26.340090
Title: Incorporating Singletons and Mention-based Features in Coreference Resolution via Multi-task Learning for Better Generalization
Title（参考訳）: マルチタスク学習によるコリファレンスレゾリューションにおけるシングルトンとレファレンスに基づく機能の統合による一般化
Authors: Yilun Zhu, Siyao Peng, Sameer Pradhan, Amir Zeldes
Abstract要約: 本稿では,シングルトンを学習するコア推論モデルと,エンティティタイプや情報ステータスなどの特徴について述べる。このアプローチはOntoGUMベンチマークで新しい最先端スコアを実現する。
参考スコア（独自算出の注目度）: 12.084539012992412
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Previous attempts to incorporate a mention detection step into end-to-end neural coreference resolution for English have been hampered by the lack of singleton mention span data as well as other entity information. This paper presents a coreference model that learns singletons as well as features such as entity type and information status via a multi-task learning-based approach. This approach achieves new state-of-the-art scores on the OntoGUM benchmark (+2.7 points) and increases robustness on multiple out-of-domain datasets (+2.3 points on average), likely due to greater generalizability for mention detection and utilization of more data from singletons when compared to only coreferent mention pair matching.
Abstract（参考訳）: 英語のエンドツーエンドのニューラルコア参照解決に参照検出のステップを組み込もうとする以前の試みは、シングルトン参照スパンデータや他のエンティティ情報の欠如によって妨げられていた。本稿では,シングルトンを学習するコリファレンスモデルと,マルチタスク学習に基づくエンティティタイプや情報ステータスなどの特徴について述べる。このアプローチはOntoGUMベンチマーク(+2.7ポイント)の新たな最先端スコアを実現し、複数のドメイン外のデータセット(+2.3ポイント平均)の堅牢性を高める。

関連論文リスト

SPLICE: A Singleton-Enhanced PipeLIne for Coreference REsolution [11.062090350704617]
シングルトンは、つまりテキストの中で一度だけ言及される不明瞭さは、理論的な観点から人間が言論を理解する方法において重要であると言及している。 OntoNotesベンチマークでシングルトン参照スパンが欠如しているため、英語のエンドツーエンドのニューラルコア参照解決にそれらの検出を組み込もうとする以前の試みは妨げられていた。本稿では,既存のネストネストNERシステムとOntoNotes構文木から派生した特徴を組み合わせることで,この制限に対処する。
論文参考訳（メタデータ） (2024-03-25T22:46:16Z)
Anchor Points: Benchmarking Models with Much Fewer Examples [88.02417913161356]
6つの人気のある言語分類ベンチマークでは、多数の点の正しいクラスに対するモデル信頼度はモデル間で強く相関している。 Anchor Point Selectionは,データセット全体にわたるモデル動作をキャプチャする,データセットの小さなサブセットを選択する手法である。平均絶対誤差が低いデータセットの他のすべての点について、クラスごとの予測モデルを推定するために、いくつかのアンカーポイントを使用することができる。
論文参考訳（メタデータ） (2023-09-14T17:45:51Z)
Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
論文参考訳（メタデータ） (2023-01-22T18:22:55Z)
Mention Annotations Alone Enable Efficient Domain Adaptation for Coreference Resolution [8.08448832546021]
注釈付けだけでは、注釈付けが完全なコア参照チェーンの約2倍の速さであることを示す。提案手法はアノテーション効率を向上し,アノテータ時間の増加を伴わずにF1の平均値が7～14%向上する。
論文参考訳（メタデータ） (2022-10-14T07:57:27Z)
Instance-Level Relative Saliency Ranking with Graph Reasoning [126.09138829920627]
そこで本研究では,有意な事例を分割し,相対的有意な有意なランク順序を推定するための統一モデルを提案する。また、サラレンシーランキングブランチを効果的にトレーニングするために、新しい損失関数も提案されている。実験の結果,提案手法は従来の手法よりも有効であることがわかった。
論文参考訳（メタデータ） (2021-07-08T13:10:42Z)
Adaptive Prototypical Networks with Label Words and Joint Representation Learning for Few-Shot Relation Classification [17.237331828747006]
本研究は,少ショット関係分類(FSRC)に焦点を当てる。クラスプロトタイプの表現にラベル単語を追加するための適応的混合機構を提案する。 FewRelでは、異なる数ショット(FS)設定で実験が行われた。
論文参考訳（メタデータ） (2021-01-10T11:25:42Z)
Coarse-to-Fine Memory Matching for Joint Retrieval and Classification [0.7081604594416339]
共同検索と分類のための新しいエンドツーエンド言語モデルを提案する。 FEVERファクト検証データセットの標準ブラインドテストセットで評価する。我々は、モデルを分析・制約するためのこの設定に、模範監査を拡張します。
論文参考訳（メタデータ） (2020-11-29T05:06:03Z)
Active Learning for Coreference Resolution using Discrete Annotation [76.36423696634584]
我々は、コア参照解決におけるアクティブラーニングのためのペアワイズアノテーションを改善した。提案された参照ペアがコアフェレントでないと判断された場合、アノテータに参照アンテセントを識別するよう依頼する。既存のベンチマークコアベンチマークデータセットを用いた実験では、この追加質問からの信号が人間のアノテーション時間当たりの大幅なパフォーマンス向上につながることが示された。
論文参考訳（メタデータ） (2020-04-28T17:17:11Z)
Selecting Relevant Features from a Multi-domain Representation for Few-shot Classification [91.67977602992657]
本稿では,従来の特徴適応手法よりもシンプルかつ効果的である特徴選択に基づく新しい戦略を提案する。このような特徴の上に構築された単純な非パラメトリック分類器は高い精度を示し、訓練中に見たことのない領域に一般化する。
論文参考訳（メタデータ） (2020-03-20T15:44:17Z)
Pairwise Similarity Knowledge Transfer for Weakly Supervised Object Localization [53.99850033746663]
弱教師付き画像ラベルを持つ対象クラスにおける局所化モデル学習の問題点について検討する。本研究では,対象関数のみの学習は知識伝達の弱い形態であると主張する。 COCOおよびILSVRC 2013検出データセットの実験では、ペアワイズ類似度関数を含むことにより、ローカライズモデルの性能が大幅に向上することが示された。
論文参考訳（メタデータ） (2020-03-18T17:53:33Z)

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。