論文の概要: Resolving Regular Polysemy in Named Entities

• arxiv url: http://arxiv.org/abs/2401.09758v1
• Date: Thu, 18 Jan 2024 07:18:03 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-19 17:47:37.984765
• Title: Resolving Regular Polysemy in Named Entities
• Title（参考訳）: 名前付きエンティティにおける正規ポリセミーの解消
• Authors: Shu-Kai Hsieh, Yu-Hsiang Tseng, Hsin-Yu Chou, Ching-Wen Yang, Yu-Yun Chang
• Abstract要約: 本稿では,中国語のWordnet(CWN)に対して共通語を曖昧にするための単語感覚曖昧化(WSD)モデルと,ドットオブジェクトとしての固有名を提案する。 比較的スパースな意味のデータセットであっても,一般名詞と固有名詞の両方で競争結果が得られることを示す。
• 参考スコア（独自算出の注目度）: 1.124958340749622
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Word sense disambiguation primarily addresses the lexical ambiguity of common words based on a predefined sense inventory. Conversely, proper names are usually considered to denote an ad-hoc real-world referent. Once the reference is decided, the ambiguity is purportedly resolved. However, proper names also exhibit ambiguities through appellativization, i.e., they act like common words and may denote different aspects of their referents. We proposed to address the ambiguities of proper names through the light of regular polysemy, which we formalized as dot objects. This paper introduces a combined word sense disambiguation (WSD) model for disambiguating common words against Chinese Wordnet (CWN) and proper names as dot objects. The model leverages the flexibility of a gloss-based model architecture, which takes advantage of the glosses and example sentences of CWN. We show that the model achieves competitive results on both common and proper nouns, even on a relatively sparse sense dataset. Aside from being a performant WSD tool, the model further facilitates the future development of the lexical resource.
• Abstract（参考訳）: 単語感覚の曖昧さは主に、予め定義された意味のインベントリに基づいて共通の単語の語彙的曖昧さを扱う。 逆に、適切な名前は通常アドホックな現実世界の参照者を指すと考えられている。 参照が決定されると、あいまいさは確実に解決される。 しかし、適切な名前は、アペラティビゼーション(appellativization)を通じて曖昧さ、すなわち、共通の言葉のように振舞い、参照者の異なる側面を表すこともある。 本論文では,正則なポリセミズムの光による固有名称のあいまいさに対処し,ドットオブジェクトとして定式化した。 本稿では,中国語のwordnet (cwn) と固有語をドットオブジェクトとして曖昧化するために,単語認識曖昧化(wsd)モデルを提案する。 このモデルは、cwnの用語と例文を利用する光沢ベースのモデルアーキテクチャの柔軟性を活用している。 その結果,比較的スパースなデータ集合でも,共通名詞と固有名詞の両方で競争結果が得られることがわかった。 パフォーマンスの高いwsdツールであるだけでなく、このモデルは語彙リソースの将来の開発をさらに促進します。

関連論文リスト

• Towards Resolving Word Ambiguity with Word Embeddings [0.4795582035438344]
  トランスフォーマーモデルは、複雑なクエリに対する単語のあいまいさを扱うために示されているが、あいまいな単語の識別には使用できない。 本稿では,DBSCANクラスタリングを潜在空間に適用することにより,曖昧な単語を識別し,あいまいさのレベルを評価することができることを示す。
  論文  参考訳（メタデータ） (2023-07-25T11:29:55Z)
• Unsupervised Mapping of Arguments of Deverbal Nouns to Their Corresponding Verbal Labels [52.940886615390106]
  デバーバル名詞は英語の文章でよく使われる動詞で、出来事や行動やその議論を記述している。 名前付けされた構成の引数を扱うために存在する解決策は意味論的アノテーションに基づいている。 本稿では,より統語的アプローチを導入し,デバーバル名詞の議論を対応する動詞構成にマッピングする。
  論文  参考訳（メタデータ） (2023-06-24T10:07:01Z)
• Semantic Role Labeling Meets Definition Modeling: Using Natural Language to Describe Predicate-Argument Structures [104.32063681736349]
  本稿では,離散ラベルの代わりに自然言語定義を用いて述語-代名詞構造を記述する手法を提案する。 PropBankスタイルおよびFrameNetスタイル、依存性ベースおよびスパンベースSRLに関する実験と分析は、解釈可能な出力を持つフレキシブルモデルが必ずしも性能を犠牲にしないことを示す。
  論文  参考訳（メタデータ） (2022-12-02T11:19:16Z)
• Lost in Context? On the Sense-wise Variance of Contextualized Word Embeddings [11.475144702935568]
  各単語感覚の文脈的埋め込みが、典型的な事前学習モデルにおける文脈によってどの程度異なるかを定量化する。 単語表現は位置バイアスを受けており、異なる文脈における最初の単語はより類似する傾向にある。
  論文  参考訳（メタデータ） (2022-08-20T12:27:25Z)
• Chinese Word Sense Embedding with SememeWSD and Synonym Set [17.37973450772783]
  本稿では,多文単語のすべての感覚に異なるベクトルを割り当てるために,SememeWSD Synonym(SWSDS)モデルを提案する。 OpenHowNetから単語センスの上位10の同義語を取得し、単語センスのベクトルとして同義語の平均ベクトルを算出する。 実験では,Gensimのwmdistance法を用いて意味的類似性計算におけるSWSDSモデルの評価を行った。
  論文  参考訳（メタデータ） (2022-06-29T03:42:03Z)
• Always Keep your Target in Mind: Studying Semantics and Improving Performance of Neural Lexical Substitution [124.99894592871385]
  本稿では,従来の言語モデルと最近の言語モデルの両方を用いた語彙置換手法の大規模比較研究を行う。 目的語に関する情報を適切に注入すれば,SOTA LMs/MLMsによるすでに競合する結果がさらに大幅に改善できることを示す。
  論文  参考訳（メタデータ） (2022-06-07T16:16:19Z)
• A Unified Model for Reverse Dictionary and Definition Modelling [7.353994554197792]
  我々は、定義(逆辞書)から単語を推測し、与えられた単語(定義モデリング)を生成するために、二方向ニューラル辞書を訓練する。 本手法は,2つのタスクを同時に学習し,埋め込みによる未知語処理を行う。 単語や定義を共有層を通じて同じ表現空間にキャストし、そこから他の形式をマルチタスク形式で生成する。
  論文  参考訳（メタデータ） (2022-05-09T23:52:39Z)
• SChME at SemEval-2020 Task 1: A Model Ensemble for Detecting Lexical Semantic Change [58.87961226278285]
  本稿では,SemEval-2020 Task 1における語彙意味変化の教師なし検出法であるSChMEについて述べる。 SChMEは、分布モデル(単語埋め込み)とワード周波数モデルの信号を組み合わせたモデルアンサンブルを使用し、各モデルは、その特徴に応じて単語が苦しむ確率を示す投票を行う。
  論文  参考訳（メタデータ） (2020-12-02T23:56:34Z)
• Moving Down the Long Tail of Word Sense Disambiguation with Gloss-Informed Biencoders [79.38278330678965]
  Word Sense Disambiguation (WSD)の主な障害は、単語感覚が均一に分散されないことである。 本稿では,(1)対象語とその周囲の文脈を独立に埋め込んだバイエンコーダモデルを提案する。
  論文  参考訳（メタデータ） (2020-05-06T04:21:45Z)
• Don't Neglect the Obvious: On the Role of Unambiguous Words in Word Sense Disambiguation [5.8523859781812435]
  本稿では,現在最先端の伝搬モデルを用いて,単語知覚埋め込みのカバレッジと品質を拡張できることを示す。 UWA(Unambiguous Word s)データセットを導入し、最先端の伝搬モデルを用いて単語感覚埋め込みのカバレッジと品質を拡張する方法を示す。
  論文  参考訳（メタデータ） (2020-04-29T16:51:21Z)
• Lexical Sememe Prediction using Dictionary Definitions by Capturing Local Semantic Correspondence [94.79912471702782]
  セメムは人間の言語の最小の意味単位として定義されており、多くのNLPタスクで有用であることが証明されている。 本稿では,このようなマッチングを捕捉し,セメムを予測できるセメム対応プールモデルを提案する。 我々は,有名なSememe KB HowNetのモデルとベースライン手法を評価し,そのモデルが最先端のパフォーマンスを実現することを発見した。
  論文  参考訳（メタデータ） (2020-01-16T17:30:36Z)

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。