Fugu-MT 論文翻訳(概要): An Abundance of Katherines: The Game Theory of Baby Naming

論文の概要: An Abundance of Katherines: The Game Theory of Baby Naming

arxiv url: http://arxiv.org/abs/2404.00732v3
Date: Mon, 29 Jul 2024 20:45:17 GMT
ステータス: 処理完了
システム内更新日: 2024-07-31 21:55:07.816814
Title: An Abundance of Katherines: The Game Theory of Baby Naming
Title（参考訳）: キャサリンの欠点:ベビーネーミングのゲーム理論
Authors: Katy Blumer, Kate Donahue, Katie Fritz, Kate Ivanovich, Katherine Lee, Katie Luo, Cathy Meng, Katie Van Koevering,
Abstract要約: 乳児命名の競争力が高い分野について検討する。私たちは、トラクタブルでクリーンなだけでなく、現実世界を完璧に捉えたモデルを作成します。
参考スコア（独自算出の注目度）: 8.327153463487326
License: http://creativecommons.org/licenses/by/4.0/
Abstract: In this paper, we study the highly competitive arena of baby naming. Through making several Extremely Reasonable Assumptions (namely, that parents are myopic, perfectly knowledgeable agents who pick a name based solely on its uniqueness), we create a model which is not only tractable and clean, but also perfectly captures the real world. We then extend our investigation with numerical experiments, as well as analysis of large language model tools. We conclude by discussing avenues for future research.
Abstract（参考訳）: 本稿では,乳児命名の競争力が高い分野について考察する。いくつかの極端に理性的な仮定(つまり、親は、その独特性にのみ基いて名前を選ぶ、ミオピックで、完全に知識のあるエージェントである)をすることで、私たちは、取り外し可能でクリーンなだけでなく、現実世界を完璧に捉えたモデルを作成します。次に、数値実験と大規模言語モデルツールの分析により調査を拡大する。今後の研究の道筋について論じる。

関連論文リスト

Uncovering Name-Based Biases in Large Language Models Through Simulated Trust Game [0.0]
個人の名前から推測される性や人種は、社会的相互作用に微妙に影響を及ぼすステレオタイプやバイアスの顕著な源泉である。提案手法は,ベースモデルと命令調整モデルの両方において,名前に基づくバイアスを検出する。
論文参考訳（メタデータ） (2024-04-23T02:21:17Z)
Reproducing, Extending, and Analyzing Naming Experiments [0.23456696459191312]
開発者が名前を選択する方法に関する最近の調査では、異なる開発者が同じオブジェクトに対して与えた名前を収集している。これにより、これらの名前の多様性と構造の研究が可能となり、名前の作り方に関するモデルの構築が可能となった。我々はこの研究の様々な部分を3つの独立した実験で再現した。
論文参考訳（メタデータ） (2024-02-15T15:39:54Z)
Multicultural Name Recognition For Previously Unseen Names [65.268245109828]
本論文は、人名の認識を改善することを目的としており、それは、誰かが生まれたり、名前を変えたりする際にも、成長できる多様なカテゴリーである。私は103か国の名前を見て、モデルが異なる文化の名前でどれだけうまく機能するかを比較します。文字入力と単語入力を組み合わせたモデルの方が単語のみのモデルより優れており,従来のNERモデルと比較して精度が向上する可能性がある。
論文参考訳（メタデータ） (2024-01-23T17:58:38Z)
Resolving Regular Polysemy in Named Entities [1.124958340749622]
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。
論文参考訳（メタデータ） (2024-01-18T07:18:03Z)
The Impact of Familiarity on Naming Variation: A Study on Object Naming in Mandarin Chinese [4.6112416098164255]
中国語の言語とビジョンのデータセットを作成し、1319の自然主義的な画像に平均20の名前を付ける。本研究では,対象物に対する親しみ度が,対象物間で引き起こされる命名変化の程度にどの程度関係しているかを検討する。
論文参考訳（メタデータ） (2023-11-16T20:13:24Z)
Biomedical Named Entity Recognition via Dictionary-based Synonym Generalization [51.89486520806639]
本研究では,入力テキストに含まれる生物医学的概念をスパンベース予測を用いて認識する,新しいSynGenフレームワークを提案する。提案手法を広範囲のベンチマークで広範囲に評価し,SynGenが従来の辞書ベースモデルよりも顕著なマージンで優れていることを確認した。
論文参考訳（メタデータ） (2023-05-22T14:36:32Z)
A Bayesian Learning, Greedy agglomerative clustering approach and evaluation techniques for Author Name Disambiguation Problem [0.0]
著者名はしばしば、同じ作者が異なる名前で登場することや、類似した名前を持つ複数の著者によって曖昧さに悩まされる。私は著者名を曖昧にすることを目的とした研究努力に重点を置いています。
論文参考訳（メタデータ） (2022-11-01T08:22:53Z)
Probing Across Time: What Does RoBERTa Know and When? [70.20775905353794]
言語知識は、ドメイン間で高速、安定、そして堅牢に獲得されることを示す。事実と常識はより遅く、ドメインに敏感です。クロスタイム探索は、これらのモデルが生み出す複雑で混ざった学習を理解するのに役立ち、必要な学習を迅速に行うためのより効率的なアプローチへと導いてくれると信じています。
論文参考訳（メタデータ） (2021-04-16T04:26:39Z)
Topology of Word Embeddings: Singularities Reflect Polysemy [68.8204255655161]
本稿では,単語の意味の実際の数とよく相関する,永続的ホモロジーに基づく多意味性のトポロジカル尺度を提案する。本稿では,SemEval-2010における単語センスの誘導と曖昧さに対する単純なトポロジ的な解決法を提案する。
論文参考訳（メタデータ） (2020-11-18T17:21:51Z)
Investigating Cross-Linguistic Adjective Ordering Tendencies with a Latent-Variable Model [66.84264870118723]
本稿では,多言語形容詞順序付けを潜在変数モデルとして,初めて純粋コーパス駆動モデルを提案する。我々は普遍的、言語横断的、階層的形容詞順序付け傾向の存在の強い確固たる証拠を提供する。
論文参考訳（メタデータ） (2020-10-09T18:27:55Z)
A Brief Survey and Comparative Study of Recent Development of Pronoun Coreference Resolution [55.39835612617972]
PCR(Pronoun Coreference Resolution)は、プロノミナルな表現を、それらが参照するすべての言及に対して解決するタスクである。 1つの重要な自然言語理解(NLU)コンポーネントとして、代名詞分解は多くの下流タスクにおいて不可欠であり、既存のモデルでは依然として困難である。我々は、現在のモデルが標準評価セットで優れたパフォーマンスを達成しているにもかかわらず、実際のアプリケーションで使用する準備ができていないことを示すために、広範な実験を行っている。
論文参考訳（メタデータ） (2020-09-27T01:40:01Z)

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。