論文の概要: Review of Unsupervised POS Tagging and Its Implications on Language Acquisition

• arxiv url: http://arxiv.org/abs/2312.10169v1
• Date: Fri, 15 Dec 2023 19:31:00 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-19 18:12:30.157124
• Title: Review of Unsupervised POS Tagging and Its Implications on Language Acquisition
• Title（参考訳）: 教師なしPOSタグのレビューと言語習得への示唆
• Authors: Niels Dickson
• Abstract要約: 人間の構文知識の根底にある能力は、どの単語が類似した構造に現れるかを決定することである。 このプロセスの探索では、子どもと同じような目標を持つ様々な工学的アプローチについて検討する。 モデルの発展と言語習得との関連性を支持する共通テーマについて論じる。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: An ability that underlies human syntactic knowledge is determining which words can appear in the similar structures (i.e. grouping words by their syntactic categories). These groupings enable humans to combine structures in order to communicate complex meanings. A foundational question is how do children acquire this ability underlying syntactic knowledge. In exploring this process, we will review various engineering approaches whose goal is similar to that of a child's -- without prior syntactic knowledge, correctly identify the parts of speech (POS) of the words in a sample of text. In reviewing these unsupervised tagging efforts, we will discuss common themes that support the advances in the models and their relevance for language acquisition. For example, we discuss how each model judges success (evaluation metrics), the "additional information" that constrains the POS learning (such as orthographic information), and the context used to determine POS (only previous word, words before and after the target, etc). The identified themes pave the way for future investigations into the cognitive processes that underpin the acquisition of syntactic categories and provide a useful layout of current state of the art unsupervised POS tagging models.
• Abstract（参考訳）: 人間の構文的知識の根底にある能力は、どの単語が類似した構造に現れるかを決定することである。 これらのグループ化により、人間は複雑な意味を伝えるために構造を結合することができる。 基礎的な疑問は、子供たちがこの能力をどのように獲得するかである。 本プロセスの探索では, 構文的知識を必要とせずに, テキストサンプル中の単語の音声(POS)を正確に識別する, 子どもの目標と類似した様々な工学的アプローチについて検討する。 これらの教師なしのタグ付けの取り組みをレビューし、モデルの進歩と言語獲得との関連性をサポートする共通のテーマについて論じる。 例えば、各モデルがどのように成功を判断するか(評価基準)、POS学習を制約する「追加情報」、POSを決定するのに使用される文脈(過去の単語、ターゲットの前後の単語など)について論じる。 特定テーマは、構文カテゴリーの獲得の基盤となる認知過程の今後の研究の道を開くとともに、非教師なしPOSタグ付けモデルの現在の状態の有用なレイアウトを提供する。

関連論文リスト

• Human Inspired Progressive Alignment and Comparative Learning for Grounded Word Acquisition [6.47452771256903]
  我々は、人間の赤ちゃんが最初の言語をどのように習得するかからインスピレーションを得て、比較学習を通じて単語獲得のための計算プロセスを開発した。 認知的発見を動機として,様々な属性の類似点と相違点を計算モデルで比較できる小さなデータセットを作成した。 我々は、単語の獲得を情報フィルタリングのプロセスだけでなく、表現-シンボルマッピングにもとづいている。
  論文  参考訳（メタデータ） (2023-07-05T19:38:04Z)
• Towards Open Vocabulary Learning: A Survey [146.90188069113213]
  ディープニューラルネットワークは,セグメンテーションやトラッキング,検出といった,さまざまなコアタスクにおいて,目覚ましい進歩を遂げている。 近年、視覚言語事前学習の急速な進歩により、オープンな語彙設定が提案されている。 本稿では,その分野における最近の発展を要約し分析し,オープンな語彙学習の徹底的なレビューを行う。
  論文  参考訳（メタデータ） (2023-06-28T02:33:06Z)
• Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics Interface of LMs Through Agentivity [68.8204255655161]
  このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。 これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
  論文  参考訳（メタデータ） (2023-05-29T16:24:01Z)
• Prompting Language Models for Linguistic Structure [73.11488464916668]
  本稿では,言語構造予測タスクに対する構造化プロンプト手法を提案する。 提案手法は, 音声タグ付け, 名前付きエンティティ認識, 文チャンキングについて評価する。 PLMはタスクラベルの事前知識を事前学習コーパスに漏えいすることで有意な事前知識を含むが、構造化プロンプトは任意のラベルで言語構造を復元することも可能である。
  論文  参考訳（メタデータ） (2022-11-15T01:13:39Z)
• A Linguistic Investigation of Machine Learning based Contradiction Detection Models: An Empirical Analysis and Future Perspectives [0.34998703934432673]
  本稿では,2つの自然言語推論データセットについて,その言語的特徴について分析する。 目標は、特に機械学習モデルを理解するのが難しい、構文的および意味的特性を特定することである。
  論文  参考訳（メタデータ） (2022-10-19T10:06:03Z)
• Usage-based learning of grammatical categories [0.0]
  本稿は、これらのカテゴリがどのように獲得され、どこから来たのかという疑問を提起する。 本稿では,言語相互作用の成功に基づくスコアを持つ分類型ネットワークが,文法カテゴリーの自発的な形成につながることを示す。
  論文  参考訳（メタデータ） (2022-04-14T07:44:25Z)
• Feature-rich multiplex lexical networks reveal mental strategies of early language learning [0.7111443975103329]
  FEature-Rich MUltiplex LEXical (FERMULEX) ネットワークについて述べる。 類似性は、知識のセマンティック/シンタクティック/音声学的側面にまたがる異種単語関連をモデル化する。 単語には、周波数、取得年齢、長さ、ポリセミーを含む多次元特徴埋め込みが組み込まれている。
  論文  参考訳（メタデータ） (2022-01-13T16:44:51Z)
• Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
  画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。 提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-04-20T17:56:24Z)
• Infusing Finetuning with Semantic Dependencies [62.37697048781823]
  シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。 次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
  論文  参考訳（メタデータ） (2020-12-10T01:27:24Z)
• Introducing Syntactic Structures into Target Opinion Word Extraction with Deep Learning [89.64620296557177]
  目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。 また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。 提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
  論文  参考訳（メタデータ） (2020-10-26T07:13:17Z)

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。