Fugu-MT 論文翻訳(概要): An Analysis of Sentential Neighbors in Implicit Discourse Relation Prediction

論文の概要: An Analysis of Sentential Neighbors in Implicit Discourse Relation Prediction

arxiv url: http://arxiv.org/abs/2405.09735v1
Date: Thu, 16 May 2024 00:06:36 GMT
ステータス: 処理完了
システム内更新日: 2024-05-17 15:40:20.249195
Title: An Analysis of Sentential Neighbors in Implicit Discourse Relation Prediction
Title（参考訳）: 意図的談話関係予測における係り受け関係の分析
Authors: Evi Judge, Reece Suchocki, Konner Syed,
Abstract要約: 文関係予測のタスクに文脈を組み込む3つの新しい手法を提案する。本研究は,言論関係分類の課題において,1つの言論単位を超えて文脈を包含することは有害であることを示す。
参考スコア（独自算出の注目度）: 0.6144680854063939
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Discourse relation classification is an especially difficult task without explicit context markers \cite{Prasad2008ThePD}. Current approaches to implicit relation prediction solely rely on two neighboring sentences being targeted, ignoring the broader context of their surrounding environments \cite{Atwell2021WhereAW}. In this research, we propose three new methods in which to incorporate context in the task of sentence relation prediction: (1) Direct Neighbors (DNs), (2) Expanded Window Neighbors (EWNs), and (3) Part-Smart Random Neighbors (PSRNs). Our findings indicate that the inclusion of context beyond one discourse unit is harmful in the task of discourse relation classification.
Abstract（参考訳）: 談話関係分類は、明示的な文脈マーカーを持たない特に難しい課題である。暗黙の関係予測への現在のアプローチは、2つの隣接する文が対象であることにのみ依存しており、周辺環境のより広い文脈を無視している。本研究では,(1)DN(Direct Neighbors),(2)EWN(Expanded Window Neighbors),(3)Part-Smart Random Neighbors(PSRNs)の3つの新しい手法を提案する。本研究は,言論関係分類の課題において,1つの言論単位を超えて文脈を包含することは有害であることを示す。

関連論文リスト

Unsupervised Robust Cross-Lingual Entity Alignment via Neighbor Triple Matching with Entity and Relation Texts [17.477542644785483]
言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。近隣の3重マッチング戦略により、エンティティレベルとリレーレベルアライメントを共同で実行するEAパイプライン。
論文参考訳（メタデータ） (2024-07-22T12:25:48Z)
Clarify When Necessary: Resolving Ambiguity Through Interaction with LMs [58.620269228776294]
そこで本稿では,ユーザに対して,あいまいさを解消するためのタスク非依存のフレームワークを提案する。我々は3つのNLPアプリケーション(質問応答、機械翻訳、自然言語推論)にまたがるシステムを評価する。インテントシムは堅牢であり、幅広いNLPタスクやLMの改善を実証している。
論文参考訳（メタデータ） (2023-11-16T00:18:50Z)
Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency [87.16283281290053]
従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
論文参考訳（メタデータ） (2023-11-06T16:40:13Z)
Context-aware Fine-tuning of Self-supervised Speech Models [56.95389222319555]
微調整におけるコンテキスト,すなわち周辺セグメントの使用について検討する。我々はコンテキスト認識ファインチューニングと呼ばれる新しいアプローチを提案する。いくつかの下流タスクに対して,SLUE と Libri-light ベンチマークを用いて提案手法の評価を行った。
論文参考訳（メタデータ） (2022-12-16T15:46:15Z)
Pre-trained Sentence Embeddings for Implicit Discourse Relation Classification [26.973476248983477]
暗黙の談話関係は、より小さな言語単位を一貫性のあるテキストに結合する。本稿では,暗黙的対話関係感覚分類のためのニューラルネットワークにおけるベース表現として,事前学習文の埋め込みの有用性について検討する。
論文参考訳（メタデータ） (2022-10-20T04:17:03Z)
Entity-enhanced Adaptive Reconstruction Network for Weakly Supervised Referring Expression Grounding [214.8003571700285]
Referring Expression Grounding (REG) は、言語表現によって記述されたイメージにおいて特定のターゲットをグラウンドすることを目的としている。我々は、エンティティ強化適応再構築ネットワーク(EARN)を設計する。 EARNには、エンティティの強化、適応的な接地、協調的な再構築の3つのモジュールが含まれている。
論文参考訳（メタデータ） (2022-07-18T05:30:45Z)
A description of Turkish Discourse Bank 1.2 and an examination of common dependencies in Turkish discourse [0.0]
トルコの談話銀行1.2について述べる。これは、明示的または暗黙的に伝えられる談話関係を注釈付けした談話コーパスの最新版である。本稿では,隣接する2対の談話関係と関係する単位の3つの係り受けパターンについて検討する。
論文参考訳（メタデータ） (2022-07-11T16:57:00Z)
HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised Relation Extraction [60.80849503639896]
非教師なし関係抽出は、関係範囲や分布に関する事前情報のない自然言語文からエンティティ間の関係を抽出することを目的としている。本稿では,階層間注目を用いた階層的特徴空間から階層的信号を導出する機能を持つ,HiUREという新しいコントラスト学習フレームワークを提案する。 2つの公開データセットの実験結果は、最先端モデルと比較した場合の教師なし関係抽出におけるHiUREの有効性とロバスト性を示す。
論文参考訳（メタデータ） (2022-05-04T17:56:48Z)
Let's be explicit about that: Distant supervision for implicit discourse relation classification via connective prediction [0.0]
暗黙の談話関係分類では,任意の談話接続が存在しない場合,隣り合う文間の関係を予測したい。我々は,暗黙関係の明示を通じてデータ不足を回避し,タスクを2つのサブプロブレム(言語モデリングと明示的談話関係分類)に減らした。実験結果から,本手法は同等性能の代替モデルよりも遥かに単純であるにもかかわらず,最先端技術よりもはるかに優れていることが示された。
論文参考訳（メタデータ） (2021-06-06T17:57:32Z)
Dive into Ambiguity: Latent Distribution Mining and Pairwise Uncertainty Estimation for Facial Expression Recognition [59.52434325897716]
DMUE(DMUE)という,アノテーションのあいまいさを2つの視点から解決するソリューションを提案する。前者に対しては,ラベル空間における潜伏分布をよりよく記述するために,補助的マルチブランチ学習フレームワークを導入する。後者の場合、インスタンス間の意味的特徴のペアワイズ関係を完全に活用して、インスタンス空間のあいまいさの程度を推定する。
論文参考訳（メタデータ） (2021-04-01T03:21:57Z)
Reinforcement Learning-based N-ary Cross-Sentence Relation Extraction [3.342376225738321]
遠方監督に基づくn-aryクロス文関係抽出モデルでは、n 個の実体に言及する連続した文がこれらの n 個の実体の関係を記述していると仮定する。一方、一部の非連続文は1つの関係を記述しており、これらの文はこの仮定ではラベル付けできない。最初の問題に対処する新しい文分布推定器モデルを提案する。
論文参考訳（メタデータ） (2020-09-26T20:39:55Z)

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。