論文の概要: Discourse Relations Classification and Cross-Framework Discourse Relation Classification Through the Lens of Cognitive Dimensions: An Empirical Investigation

• arxiv url: http://arxiv.org/abs/2311.00451v1
• Date: Wed, 1 Nov 2023 11:38:19 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-02 13:55:16.920924
• Title: Discourse Relations Classification and Cross-Framework Discourse Relation Classification Through the Lens of Cognitive Dimensions: An Empirical Investigation
• Title（参考訳）: 認知的次元のレンズによる談話関係分類とクロスフレーム談話関係分類:実証的研究
• Authors: Yingxue Fu
• Abstract要約: We show that discourse relations can be effectively capture by some simple Cognitively inspired dimensions by Sanders et al.(2018) クロスフレームな談話関係分類(PDTB & RST)に関する実験により,あるフレームワークの談話関係に関する知識を,これらの次元を用いて他のフレームワークに伝達できることが実証された。
• 参考スコア（独自算出の注目度）: 5.439020425819001
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Existing discourse formalisms use different taxonomies of discourse relations, which require expert knowledge to understand, posing a challenge for annotation and automatic classification. We show that discourse relations can be effectively captured by some simple cognitively inspired dimensions proposed by Sanders et al.(2018). Our experiments on cross-framework discourse relation classification (PDTB & RST) demonstrate that it is possible to transfer knowledge of discourse relations for one framework to another framework by means of these dimensions, in spite of differences in discourse segmentation of the two frameworks. This manifests the effectiveness of these dimensions in characterizing discourse relations across frameworks. Ablation studies reveal that different dimensions influence different types of discourse relations. The patterns can be explained by the role of dimensions in characterizing and distinguishing different relations. We also report our experimental results on automatic prediction of these dimensions.
• Abstract（参考訳）: 既存の談話形式論では、専門家の知識が理解し、注釈や自動分類の課題となる談話関係の異なる分類を用いる。 我々は,サンダースらによって提案された単純な認知的な次元によって,会話関係を効果的に捉えることができることを示す。 (2018). クロスフレームな談話関係分類 (PDTB & RST) に関する実験により,2つの枠組みの談話セグメンテーションの違いにもかかわらず,ある枠組みの談話関係の知識を他の枠組みに伝達できることが実証された。 これは、フレームワーク間の会話関係を特徴づける上で、これらの次元の有効性を示す。 アブレーション研究により、異なる次元が異なる種類の言論関係に影響を与えることが明らかとなった。 これらのパターンは、異なる関係を特徴づけ、区別する上での次元の役割によって説明できる。 また,これらの次元の自動予測に関する実験結果を報告する。

関連論文リスト

• Automatic Alignment of Discourse Relations of Different Discourse Annotation Frameworks [5.439020425819001]
  分類作業中にラベル埋め込みを学習するための完全自動アプローチを導入する。 これらの埋め込みは、異なるフレームワークの談話関係をマッピングするために使われる。
  論文  参考訳（メタデータ） (2024-03-29T14:18:26Z)
• Learning to Memorize Entailment and Discourse Relations for Persona-Consistent Dialogues [8.652711997920463]
  既存の作業は、高度ネットワーク構造を持つ対話者ペルソナを意図的に学習することで、対話システムの性能を改善した。 本研究は,ペルソナ一貫性のある対話課題における係り受け関係と談話関係を記憶する学習方法を提案する。
  論文  参考訳（メタデータ） (2023-01-12T08:37:00Z)
• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• Exploring Discourse Structures for Argument Impact Classification [48.909640432326654]
  本稿では、文脈経路に沿った2つの議論間の談話関係が、議論の説得力を特定する上で不可欠な要素であることを実証的に示す。 本研究では,文レベルの構造情報を大規模言語モデルから派生した文脈的特徴に注入・融合するDisCOCを提案する。
  論文  参考訳（メタデータ） (2021-06-02T06:49:19Z)
• Discourse Relation Embeddings: Representing the Relations between Discourse Segments in Social Media [8.51950029432202]
  対話関係を高次元連続空間の点として表現することを提案する。 言葉とは異なり、談話関係はしばしば表面形式を持たない。 談話関係の埋め込みを自動的に生成する新しい手法を提案する。
  論文  参考訳（メタデータ） (2021-05-04T05:58:27Z)
• Analyzing Neural Discourse Coherence Models [17.894463722947542]
  本稿では,現在のコヒーレンスモデルが,談話組織におけるテキストの側面をいかに捉えるかを検討する。 文法や意味論の変化に対するコヒーレンスとテストモデルの感度を損なう言語変化の2つのデータセットを考案する。
  論文  参考訳（メタデータ） (2020-11-12T10:44:41Z)
• Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
  本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。 一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。 一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
  論文  参考訳（メタデータ） (2020-10-21T11:07:53Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• On the Relationship Between Active Inference and Control as Inference [62.997667081978825]
  アクティブ推論(英: Active Inference、AIF)は、生物学的エージェントがモデルエビデンスに束縛された変動を最小限に抑えることを示唆する脳科学の新たな枠組みである。 制御・アズ・推論(英: Control-as-Inference, CAI)は、意思決定を変分推論問題とみなす強化学習の枠組みである。
  論文  参考訳（メタデータ） (2020-06-23T13:03:58Z)
• Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
  単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。 本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
  論文  参考訳（メタデータ） (2020-01-09T04:47:14Z)

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。