論文の概要: Constraints First: A New MDD-based Model to Generate Sentences Under Constraints

• arxiv url: http://arxiv.org/abs/2309.12415v1
• Date: Thu, 21 Sep 2023 18:29:52 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 17:13:00.246465
• Title: Constraints First: A New MDD-based Model to Generate Sentences Under Constraints
• Title（参考訳）: 制約ファースト:制約の下で文を生成するMDDベースの新しいモデル
• Authors: Alexandre Bonlarron, Aur\'elie Calabr\`ese, Pierre Kornprobst, Jean-Charles R\'egin
• Abstract要約: 本稿では,強い制約のあるテキストを生成するための新しいアプローチを提案する。 制約に対処するためには、よく知られたデータ構造である多値決定図(MDD)を用いる。 私たちは、よく知られた視覚スクリーニングテスト(MNREAD)で通常利用できる数十の文と比較して、何百ものボナファイド候補文を得る。
• 参考スコア（独自算出の注目度）: 45.498315114762484
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces a new approach to generating strongly constrained texts. We consider standardized sentence generation for the typical application of vision screening. To solve this problem, we formalize it as a discrete combinatorial optimization problem and utilize multivalued decision diagrams (MDD), a well-known data structure to deal with constraints. In our context, one key strength of MDD is to compute an exhaustive set of solutions without performing any search. Once the sentences are obtained, we apply a language model (GPT-2) to keep the best ones. We detail this for English and also for French where the agreement and conjugation rules are known to be more complex. Finally, with the help of GPT-2, we get hundreds of bona-fide candidate sentences. When compared with the few dozen sentences usually available in the well-known vision screening test (MNREAD), this brings a major breakthrough in the field of standardized sentence generation. Also, as it can be easily adapted for other languages, it has the potential to make the MNREAD test even more valuable and usable. More generally, this paper highlights MDD as a convincing alternative for constrained text generation, especially when the constraints are hard to satisfy, but also for many other prospects.
• Abstract（参考訳）: 本稿では,強い制約のあるテキストを生成する新しい手法を提案する。 視覚スクリーニングの典型的応用として,標準文生成を考える。 この問題を解決するために、離散組合せ最適化問題として形式化し、制約に対処するためによく知られたデータ構造である多値決定図(MDD)を利用する。 我々の文脈では、MDDの重要な強みの1つは、探索を行わずに徹底的な解の集合を計算することである。 文が得られたら、最適な言語モデル(GPT-2)を適用します。 合意と共役規則がより複雑であることが知られている英語とフランス語についても詳述する。 最後に、GPT-2の助けを借りて、数百のボナファイド候補文を得る。 通常よく知られた視覚スクリーニングテスト(MNREAD)で利用できる数十の文と比較すると、これは標準化された文生成の分野で大きなブレークスルーをもたらす。 また、他の言語にも容易に適応できるので、MNREADテストをさらに価値あるものにし、使いやすくする可能性がある。 より一般的には、MDDは制約付きテキスト生成の説得力のある代替手段であり、特に制約を満たすのが困難である場合、他の多くの可能性についても強調する。

関連論文リスト

• Intertwining CP and NLP: The Generation of Unreasonably Constrained Sentences [49.86129209397701]
  本稿では,この問題を解決するためにConstraints First Frameworkを提案する。 これは、言語特性とより古典的な制約を組み合わせた制約プログラミング手法によって解決される。 このアプローチの有効性は、より退屈な制約付きテキスト生成問題に取り組むことで実証される。
  論文  参考訳（メタデータ） (2024-06-15T17:40:49Z)
• Markov Constraint as Large Language Model Surrogate [49.86129209397701]
  NgramMarkovは制約プログラミング(CP)におけるテキスト生成に特化している これは文のn-グラムの確率の積を制限する。 5グラムではなく4グラムで現実の問題が初めて解決された。
  論文  参考訳（メタデータ） (2024-06-11T16:09:53Z)
• BOOST: Harnessing Black-Box Control to Boost Commonsense in LMs' Generation [60.77990074569754]
  本稿では,凍結した事前学習言語モデルを,より汎用的な生成に向けて操る,計算効率のよいフレームワークを提案する。 具体的には、まず、文に常識的スコアを割り当てる参照なし評価器を構築する。 次に、スコアラをコモンセンス知識のオラクルとして使用し、NADOと呼ばれる制御可能な生成法を拡張して補助ヘッドを訓練する。
  論文  参考訳（メタデータ） (2023-10-25T23:32:12Z)
• Reference Free Domain Adaptation for Translation of Noisy Questions with Question Specific Rewards [22.297433705607464]
  Neural Machine Translationを使って質問を翻訳することは、ノイズの多い環境でより多くの課題をもたらす。 ソース側データのみを用いてNMTシステムを微調整する訓練手法を提案する。 提案手法は,BERTScore と Masked Language Model (MLM) Score を組み合わせた損失関数を利用することで,妥当性と流速のバランスをとる。
  論文  参考訳（メタデータ） (2023-10-23T18:08:01Z)
• DICTDIS: Dictionary Constrained Disambiguation for Improved NMT [50.888881348723295]
  我々は辞書から派生した複数の候補翻訳の曖昧さを解消する語彙制約付きNMTシステムであるDictDisを提案する。 我々は、規制、金融、工学を含む様々な分野において、英語・ヒンディー語・英語・ドイツ語文に関する広範な実験を通じて、DictDisの有用性を実証する。
  論文  参考訳（メタデータ） (2022-10-13T13:04:16Z)
• Entity Disambiguation with Entity Definitions [50.01142092276296]
  ローカルモデルはEntity Disambiguation (ED)で最近驚くべきパフォーマンスを達成した それまでの研究は、各候補者のテキスト表現として、ウィキペディアのタイトルのみを使うことに限られていた。 本稿では、この制限に対処し、より表現力のあるテキスト表現がそれを緩和できる範囲について検討する。 提案する6つのベンチマークのうち2つに新たな技術の現状を報告し,未知のパターンに対する一般化能力を強く改善する。
  論文  参考訳（メタデータ） (2022-10-11T17:46:28Z)
• Generating texts under constraint through discriminator-guided MCTS [1.3750624267664153]
  判別器によって誘導される木探索プロセスとして制約付き世代を定式化する。 差別化器を用いて、LMを微調整するのではなく、この世代を導くことで、より微細かつ動的に制約を適用することができる。 提案手法は,言語モデルを調整することなく,制約付き生成の結果が得られることを示す。
  論文  参考訳（メタデータ） (2021-09-28T09:29:15Z)

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。