論文の概要: Human and Automatic Interpretation of Romanian Noun Compounds
- arxiv url: http://arxiv.org/abs/2403.06360v1
- Date: Mon, 11 Mar 2024 01:18:00 GMT
- ステータス: 処理完了
- システム内更新日: 2024-03-12 20:41:36.439083
- Title: Human and Automatic Interpretation of Romanian Noun Compounds
- Title（参考訳）: ルーマニアの名詞化合物の人間と自動解釈
- Authors: Ioana Marinescu and Christiane Fellbaum
- Abstract要約: そこで我々は,人間アノテータとニューラルネット分類器を用いて,新しい関係セットを提案し,検証する。
結果は、人間の合意率が低い場合でも、ネットワークの予測と人間の判断が一致していることを示している。
最も頻繁に選択された関係は16のラベル付きセマンティック・リレーションのうちの1つであり、より良い関係のインベントリの必要性を示している。
- 参考スコア（独自算出の注目度）: 0.5348370085388684
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Determining the intended, context-dependent meanings of noun compounds like
"shoe sale" and "fire sale" remains a challenge for NLP. Previous work has
relied on inventories of semantic relations that capture the different meanings
between compound members. Focusing on Romanian compounds, whose morphosyntax
differs from that of their English counterparts, we propose a new set of
relations and test it with human annotators and a neural net classifier.
Results show an alignment of the network's predictions and human judgments,
even where the human agreement rate is low. Agreement tracks with the frequency
of the selected relations, regardless of structural differences. However, the
most frequently selected relation was none of the sixteen labeled semantic
relations, indicating the need for a better relation inventory.
- Abstract（参考訳）: シューセール」や「ファイアセール」のような名詞の化合物の意図的、文脈に依存した意味を決定することは、NLPにとって課題である。
以前の研究は、複合メンバ間の異なる意味を捉える意味関係の在庫に依存していた。
ルーマニアの化合物に焦点をあて, モルフォシンタキシーはイングランドの化合物と異なるので, ヒトのアノテーションやニューラルネットの分類器を用いて新しい関係式を提案し, 検証する。
結果は、人間の合意率が低い場合でも、ネットワークの予測と人間の判断が一致していることを示している。
構造的差異に関係なく、選択された関係の頻度で合意が追跡される。
しかしながら、最も頻繁に選択された関係は16のラベル付き意味関係のいずれかではなく、より良い関係インベントリの必要性を示している。
関連論文リスト
- Syntactic Language Change in English and German: Metrics, Parsers, and Convergences [56.47832275431858]
本論文は,過去160年間の議会討論のコーパスを用いて,英語とドイツ語の統語的言語変化のダイアクロニックな傾向を考察する。
私たちは、広く使われているStanford Coreと、新しい4つの選択肢を含む5つの依存関係をベースとしています。
文長分布の尾部では,構文的尺度の変化が頻繁であることが明らかとなった。
論文 参考訳（メタデータ） (2024-02-18T11:46:16Z) - Sentence-Level Relation Extraction via Contrastive Learning with
Descriptive Relation Prompts [1.5736899098702974]
本稿では、エンティティ情報、関係知識、エンティティタイプ制約を協調的に考慮する新しいパラダイムであるContrastive Learning with Descriptive Relation Prompts(CTL-)を提案する。
CTL-はTACREDで76.7%のF1スコアを獲得している。
新しい提案パラダイムは、最先端のパフォーマンスであるTACREVとRe-TACREDでそれぞれ85.8%と91.6%のF1スコアを達成する。
論文 参考訳（メタデータ） (2023-04-11T02:15:13Z) - 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) - RAW-C: Relatedness of Ambiguous Words--in Context (A New Lexical
Resource for English) [2.792030485253753]
文脈的埋め込みが単語の意味の連続的、動的性質にどの程度適合しているかを評価する。
我々は、コサイン距離が、人間が同じ単語の感覚をいかに利用しているかを体系的に過小評価していることを示す。
本稿では,精神語彙の心理言語学理論と語彙意味論の計算モデルとの合成を提案する。
論文 参考訳（メタデータ） (2021-05-27T16:07:13Z) - Linguistic dependencies and statistical dependence [76.89273585568084]
文脈における単語の確率を推定するために,事前学習した言語モデルを用いる。
最大CPMI木は非文脈PMI推定値から抽出した木よりも言語的依存関係によく対応していることがわかった。
論文 参考訳（メタデータ） (2021-04-18T02:43:37Z) - Learning Relation Prototype from Unlabeled Texts for Long-tail Relation
Extraction [84.64435075778988]
本稿では,ラベルのないテキストから関係プロトタイプを学習するための一般的なアプローチを提案する。
我々は、エンティティ間の暗黙的な要因として関係プロトタイプを学習する。
私たちは、New York TimesとGoogle Distant Supervisionの2つの公開データセットで実験を行います。
論文 参考訳（メタデータ） (2020-11-27T06:21:12Z) - Logic-guided Semantic Representation Learning for Zero-Shot Relation
Classification [31.887770824130957]
ゼロショット関係分類のための論理誘導型意味表現学習モデルを提案する。
我々のアプローチは、暗黙的および明示的な意味表現と知識グラフの埋め込みと論理規則との接続を構築する。
論文 参考訳（メタデータ） (2020-10-30T04:30:09Z) - 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) - Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
このタスクでは、人体構造をモデル化する方法が中心的なテーマである。
深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
論文 参考訳（メタデータ） (2020-03-10T16:45:41Z)
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。