論文の概要: Enhancing Metaphor Detection through Soft Labels and Target Word Prediction
- arxiv url: http://arxiv.org/abs/2403.18253v2
- Date: Tue, 9 Apr 2024 03:47:29 GMT
- ステータス: 処理完了
- システム内更新日: 2024-04-10 19:08:09.018224
- Title: Enhancing Metaphor Detection through Soft Labels and Target Word Prediction
- Title(参考訳): ソフトラベルによるメタファー検出の強化と単語予測
- Authors: Kaidi Jia, Rongsheng Li,
- Abstract要約: メタファ検出に特化して設計された即時学習フレームワークを開発した。
また,有意義なソフトラベルを生成する教師モデルも導入する。
実験により,本モデルが最先端の性能を達成したことを示す。
- 参考スコア(独自算出の注目度): 3.7676096626244986
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Metaphors play a significant role in our everyday communication, yet detecting them presents a challenge. Traditional methods often struggle with improper application of language rules and a tendency to overlook data sparsity. To address these issues, we integrate knowledge distillation and prompt learning into metaphor detection. Our approach revolves around a tailored prompt learning framework specifically designed for metaphor detection. By strategically masking target words and providing relevant prompt data, we guide the model to accurately predict the contextual meanings of these words. This approach not only mitigates confusion stemming from the literal meanings of the words but also ensures effective application of language rules for metaphor detection. Furthermore, we've introduced a teacher model to generate valuable soft labels. These soft labels provide a similar effect to label smoothing and help prevent the model from becoming over confident and effectively addresses the challenge of data sparsity. Experimental results demonstrate that our model has achieved state-of-the-art performance, as evidenced by its remarkable results across various datasets.
- Abstract(参考訳): メタファーは日々のコミュニケーションにおいて重要な役割を果たすが、それらを検出することは困難である。
伝統的な手法は、しばしば言語規則の不適切な適用と、データの疎さを無視する傾向に苦しむ。
これらの課題に対処するため,我々は知識蒸留を統合し,メタファ検出に学習を促す。
提案手法は,比喩検出に特化して設計された即時学習フレームワークを中心に展開する。
対象単語を戦略的にマスキングし,関連するプロンプトデータを提供することで,これらの単語の文脈的意味を正確に予測するモデルを導出する。
このアプローチは、単語の文字通りの意味から生じる混乱を緩和するだけでなく、メタファー検出に言語規則を効果的に適用することを保証する。
さらに,有意義なソフトラベルを生成する教師モデルも導入した。
これらのソフトラベルは、ラベルの平滑化と同じような効果を提供し、モデルが過度に自信を持てなくなるのを防ぎ、データ疎結合の課題に効果的に対処する。
実験結果から,本モデルが様々なデータセットにまたがる顕著な結果から,最先端の性能を達成したことが証明された。
関連論文リスト
- What could go wrong? Discovering and describing failure modes in computer vision [27.6114923305978]
言語に基づく誤り説明可能性(LBEE)の問題を定式化する。
我々は,共同視覚・言語埋め込み空間で機能するソリューションを提案する。
提案手法は,特定の誤りの原因に関連する非自明な文を分離する。
論文 参考訳(メタデータ) (2024-08-08T14:01:12Z) - Modeling Emotional Trajectories in Written Stories Utilizing Transformers and Weakly-Supervised Learning [47.02027575768659]
本研究では,個別の感情カテゴリーで注釈付けされた子どもの物語の既存のデータセットに対して,連続的原子価と覚醒ラベルを導入する。
得られた感情信号を予測するために,DeBERTaモデルを微調整し,弱教師付き学習手法を用いてベースラインを改善する。
詳細な分析では、著者、個々の物語、物語内のセクションなどの要因によって結果がどの程度異なるかが示される。
論文 参考訳(メタデータ) (2024-06-04T12:17:16Z) - Fine-Grained Visual Entailment [51.66881737644983]
そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。
従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。
本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
論文 参考訳(メタデータ) (2022-03-29T16:09:38Z) - How Do You Do It? Fine-Grained Action Understanding with Pseudo-Adverbs [52.042261549764326]
そこで本研究では,様々な行動にまたがる副詞を認識する手法を提案する。
提案手法は,複数の副詞の擬似ラベルを用いた半教師付き学習を用いる。
また、副詞がきめ細かな行動とどのように関連しているかを示す。
論文 参考訳(メタデータ) (2022-03-23T11:53:41Z) - On the Impact of Temporal Representations on Metaphor Detection [1.6959319157216468]
メタファー検出のための最先端のアプローチは、ニューラルネットワークに基づくシーケンシャルなメタファー分類器を使用して、リテラル(リテラル、またはコア)の意味と文脈的意味を比較する。
本研究では, 時間的, 静的な単語の埋め込みを, 意味の表現に用い, 詳細な探索分析によるメタファ検出課題について検討する。
その結果,異なる単語の埋め込みがメタファー検出タスクや時間的単語の埋め込みに影響を及ぼすことが示唆された。
論文 参考訳(メタデータ) (2021-11-05T08:43:21Z) - Transductive Learning for Unsupervised Text Style Transfer [60.65782243927698]
教師なしスタイル転送モデルは、主に帰納的学習アプローチに基づいている。
本稿では,検索に基づく文脈認識スタイルの表現に基づく新しいトランスダクティブ学習手法を提案する。
論文 参考訳(メタデータ) (2021-09-16T08:57:20Z) - MelBERT: Metaphor Detection via Contextualized Late Interaction using
Metaphorical Identification Theories [5.625405679356158]
本稿では,BERT(MelBERT)上のメタファ認識遅延相互作用という,新しいメタファ検出モデルを提案する。
我々のモデルは文脈化された単語表現を利用するだけでなく、文脈的意味とリテラル的意味を区別する言語的メタファー識別理論の利点も活用している。
論文 参考訳(メタデータ) (2021-04-28T07:52:01Z) - Generalized Zero-shot Intent Detection via Commonsense Knowledge [5.398580049917152]
学習データ不足の問題を克服するために,教師なしの方法でコモンセンス知識を活用する意図検出モデル RIDE を提案する。
RIDEは、発話と意図ラベルの間の深い意味的関係をキャプチャする、堅牢で一般化可能な関係メタ機能を計算する。
広範に使用されている3つのインテント検出ベンチマークに関する広範囲な実験的分析により、関係メタ機能により、目に見えないインテントと見えないインテントの両方を検出する精度が著しく向上することが示された。
論文 参考訳(メタデータ) (2021-02-04T23:36:41Z) - COBE: Contextualized Object Embeddings from Narrated Instructional Video [52.73710465010274]
そこで本稿では,教師ビデオの自動書き起こしからコンテキスト適応型オブジェクト埋め込みを学習するための新しいフレームワークを提案する。
言語の意味的・構成的構造を視覚的検知器を訓練し,オブジェクトとその関連するナレーションの文脈的単語埋め込みを予測する。
実験の結果,検出器は多種多様なコンテキストオブジェクト情報を予測し,少数ショットおよびゼロショット学習の設定において極めて有効であることがわかった。
論文 参考訳(メタデータ) (2020-07-14T19:04:08Z) - On Vocabulary Reliance in Scene Text Recognition [79.21737876442253]
ボキャブラリ内の単語を持つ画像に対して、手法は良好に機能するが、ボキャブラリ外の単語を持つ画像にはあまり一般化しない。
私たちはこの現象を「語彙依存」と呼んでいる。
本研究では,2家族のモデルが協調的に学習できるようにするための,シンプルで効果的な相互学習戦略を提案する。
論文 参考訳(メタデータ) (2020-05-08T11:16:58Z) - Temporal Embeddings and Transformer Models for Narrative Text
Understanding [72.88083067388155]
キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。
これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。
最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
論文 参考訳(メタデータ) (2020-03-19T14:23:12Z)
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。