Fugu-MT 論文翻訳(概要): Computational Morphology and Lexicography Modeling of Modern Standard Arabic Nominals

論文の概要: Computational Morphology and Lexicography Modeling of Modern Standard Arabic Nominals

arxiv url: http://arxiv.org/abs/2402.00385v1
Date: Thu, 1 Feb 2024 07:05:45 GMT
ステータス: 処理完了
システム内更新日: 2024-02-02 16:13:47.871113
Title: Computational Morphology and Lexicography Modeling of Modern Standard Arabic Nominals
Title（参考訳）: 現代標準アラビア語名詞の計算形態と語彙モデル
Authors: Christian Khairallah, Reham Marzouk, Salam Khalifa, Mayar Nassar, and Nizar Habash
Abstract要約: 現代標準アラビア語(MSA)は、多くの形態的および語彙的モデリング課題を提示する。本稿では,このような課題の空間を定義し,最近提案された形態的枠組みを活用することを試みる。我々のモデル設計は、命名者の複雑な形態的特徴と、そのパラダイム的不規則性に対処する。
参考スコア（独自算出の注目度）: 11.204164618338863
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Modern Standard Arabic (MSA) nominals present many morphological and lexical modeling challenges that have not been consistently addressed previously. This paper attempts to define the space of such challenges, and leverage a recently proposed morphological framework to build a comprehensive and extensible model for MSA nominals. Our model design addresses the nominals' intricate morphotactics, as well as their paradigmatic irregularities. Our implementation showcases enhanced accuracy and consistency compared to a commonly used MSA morphological analyzer and generator. We make our models publicly available.
Abstract（参考訳）: 現代標準アラビア語(msa)の名義は、これまで一貫して取り組まなかった多くの形態的および語彙的モデリングの課題を呈している。本稿では,このような課題の空間を定義し,最近提案された形態的枠組みを用いて,msa名義の包括的で拡張可能なモデルを構築することを試みる。我々のモデル設計は、命名者の複雑な形態的特徴と、そのパラダイム的不規則性に対処する。 MSA形態解析器とジェネレータと比較して精度と整合性が向上した。モデルを公開しています。

関連論文リスト

PerturBench: Benchmarking Machine Learning Models for Cellular Perturbation Analysis [14.526536510805755]
本稿では,この急速に発展する分野におけるベンチマークの標準化を目的として,単一細胞における摂動の影響を予測するための包括的なフレームワークを提案する。当社のフレームワークであるPerturBenchには、ユーザフレンドリなプラットフォーム、多様なデータセット、フェアモデル比較のためのメトリクス、詳細なパフォーマンス分析が含まれています。
論文参考訳（メタデータ） (2024-08-20T07:40:20Z)
Longhorn: State Space Models are Amortized Online Learners [51.10124201221601]
ステートスペースモデル(SSM)は、トレーニング中に並列性を維持しながら線形デコード効率を提供する。本研究では、オンライン学習のレンズを通してSSM設計を探求し、特定のオンライン学習問題のメタモジュールとしてSSMを概念化する。我々は、オンライン連想的リコール問題を解決するためのクローズドフォームソリューションに類似した、新しいディープSSMアーキテクチャであるLonghornを紹介した。
論文参考訳（メタデータ） (2024-07-19T11:12:08Z)
OLMES: A Standard for Language Model Evaluations [64.85905119836818]
再現可能な言語モデル評価のための実用的でオープンな標準であるOLMESを提案する。我々は,コミュニティが採用する評価実践において,様々な要因を特定し,検討する。 OLMESは、複数の質問の非自然な「閉じた」定式化を必要とする小さなベースモデル間の有意義な比較をサポートする。
論文参考訳（メタデータ） (2024-06-12T17:37:09Z)
Explicit Word Density Estimation for Language Modelling [24.8651840630298]
ニューラルネットワークと正規化フローの連続的類似に基づく新しい言語モデル群を提案する。本研究では,ニューラルネットワークと正規化フローの連続的類似に基づく新しい言語モデル群を提案する。
論文参考訳（メタデータ） (2024-06-10T15:21:33Z)
Mesh2SSM: From Surface Meshes to Statistical Shape Models of Anatomy [0.0]
我々は、教師なしの置換不変表現学習を利用して、テンプレートポイントクラウドを主題固有のメッシュに変形する方法を推定する新しいアプローチであるMesh2SSMを提案する。 Mesh2SSMは集団固有のテンプレートも学習でき、テンプレート選択によるバイアスを低減できる。
論文参考訳（メタデータ） (2023-05-13T00:03:59Z)
Scaling Vision-Language Models with Sparse Mixture of Experts [128.0882767889029]
提案手法は, 等価計算コストの高密度モデルに対して, 様々なベンチマークにおいて, 最先端性能を実現することができることを示す。我々の研究は、MoEモデルのトレーニングの安定化、モデル解釈可能性に対するMoEの影響の理解、ビジョン言語モデルをスケールする際の計算性能間のトレードオフのバランスに関する貴重な洞察を提供する。
論文参考訳（メタデータ） (2023-03-13T16:00:31Z)
DiffusER: Discrete Diffusion via Edit-based Reconstruction [88.62707047517914]
DiffusERは、拡散モデルに基づくテキストの編集ベースの生成モデルである。機械翻訳、要約、スタイル転送にまたがるいくつかのタスクにおいて、自動回帰モデルと競合する可能性がある。また、標準的な自己回帰モデルに適さないような、他の種類の世代も実行することができる。
論文参考訳（メタデータ） (2022-10-30T16:55:23Z)
Seq2Seq Surrogates of Epidemic Models to Facilitate Bayesian Inference [0.6524460254566905]
深部シーケンス・ツー・シークエンス(seq2seq)モデルは,複雑な流行モデルに対する正確なサロゲートとして機能することを示す。トレーニングが完了すると、サロゲートはオリジナルのモデルよりも数千倍高速なシナリオを予測できます。
論文参考訳（メタデータ） (2022-09-20T11:23:19Z)
Low-Rank Constraints for Fast Inference in Structured Models [110.38427965904266]
この研究は、大規模構造化モデルの計算とメモリの複雑さを低減するための単純なアプローチを示す。言語モデリング,ポリフォニック・ミュージック・モデリング,教師なし文法帰納法,ビデオ・モデリングのためのニューラルパラメータ構造モデルを用いた実験により,我々の手法は大規模状態空間における標準モデルの精度と一致することを示した。
論文参考訳（メタデータ） (2022-01-08T00:47:50Z)
Explainable Matrix -- Visualization for Global and Local Interpretability of Random Forest Classification Ensembles [78.6363825307044]
本研究では,ランダムフォレスト (RF) 解釈のための新しい可視化手法である Explainable Matrix (ExMatrix) を提案する。単純なマトリックスのようなメタファで、行はルール、列は特徴、セルはルールを述語する。 ExMatrixの適用性は、異なる例を通じて確認され、RFモデルの解釈可能性を促進するために実際にどのように使用できるかを示している。
論文参考訳（メタデータ） (2020-05-08T21:03:48Z)
A Tree Adjoining Grammar Representation for Models Of Stochastic Dynamical Systems [19.0709328061569]
モデル構造と複雑性を推定するための木結合文法(TAG)を提案する。 TAGは、望ましい構造的制約を課しながら、進化的アルゴリズム(EA)フレームワークでモデルを生成するために使用できる。我々は,TAGを非線形Box-Jenkinsモデルクラスなど,より一般的なモデルクラスに容易に拡張できることを実証した。
論文参考訳（メタデータ） (2020-01-15T13:35:19Z)

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。