論文の概要: ThaiCoref: Thai Coreference Resolution Dataset

• arxiv url: http://arxiv.org/abs/2406.06000v1
• Date: Mon, 10 Jun 2024 03:47:24 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-11 15:06:21.958963
• Title: ThaiCoref: Thai Coreference Resolution Dataset
• Title（参考訳）: タイのCoref:タイのCoreference解決データセット
• Authors: Pontakorn Trakuekul, Wei Qi Leong, Charin Polpanumas, Jitkapat Sawatphol, William Chandra Tjhi, Attapol T. Rutherford,
• Abstract要約: ThaiCorefは、タイのコア参照解決のためのデータセットである。 データセットは、777,271のトークン、44,082の参照、および4つのテキストジャンルの10,429のエンティティで構成されています。
• 参考スコア（独自算出の注目度）: 0.07852714805965527
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: While coreference resolution is a well-established research area in Natural Language Processing (NLP), research focusing on Thai language remains limited due to the lack of large annotated corpora. In this work, we introduce ThaiCoref, a dataset for Thai coreference resolution. Our dataset comprises 777,271 tokens, 44,082 mentions and 10,429 entities across four text genres: university essays, newspapers, speeches, and Wikipedia. Our annotation scheme is built upon the OntoNotes benchmark with adjustments to address Thai-specific phenomena. Utilizing ThaiCoref, we train models employing a multilingual encoder and cross-lingual transfer techniques, achieving a best F1 score of 67.88\% on the test set. Error analysis reveals challenges posed by Thai's unique linguistic features. To benefit the NLP community, we make the dataset and the model publicly available at http://www.github.com/nlp-chula/thai-coref .
• Abstract（参考訳）: コア推論の解決は自然言語処理(NLP)において確立された研究分野であるが、タイ語に焦点を絞った研究は、大きな注釈付きコーパスが欠如しているため、依然として限られている。 本稿では,タイのコア参照解決のためのデータセットであるThaiCorefを紹介する。 私たちのデータセットは、777,271のトークン、44,082の言及、大学エッセイ、新聞、スピーチ、ウィキペディアという4つのテキストジャンルの10,429のエンティティで構成されています。 このアノテーションはOntoNotesベンチマークに基づいて構築され,タイ固有の現象に対処するための調整を行う。 ThaiCorefを利用して、多言語エンコーダとクロスランガルトランスファー技術を用いたモデルをトレーニングし、テストセット上で最高のF1スコア67.88\%を達成する。 誤り分析はタイ固有の言語的特徴によって引き起こされる課題を明らかにする。 NLPコミュニティの利益を得るために、データセットとモデルをhttp://www.github.com/nlp-chula/thai-corefで公開しています。

関連論文リスト

• Thai Winograd Schemas: A Benchmark for Thai Commonsense Reasoning [0.0]
  本研究は、タイ語の文脈における常識推論能力を評価するために設計された新しいデータセットである、タイ語におけるウィノグラードのコレクションを紹介する。 我々は,このベンチマークで人気の高い大規模言語モデルの性能を評価し,その強み,限界を明らかにし,現在の最先端技術に対する洞察を提供する。
  論文  参考訳（メタデータ） (2024-05-28T17:14:02Z)
• A Novel Cartography-Based Curriculum Learning Method Applied on RoNLI: The First Romanian Natural Language Inference Corpus [71.77214818319054]
  自然言語推論は自然言語理解のプロキシである。 ルーマニア語のNLIコーパスは公開されていない。 58Kの訓練文対からなるルーマニア初のNLIコーパス(RoNLI)を紹介する。
  論文  参考訳（メタデータ） (2024-05-20T08:41:15Z)
• Multilingual Coreference Resolution in Low-resource South Asian Languages [36.31301773167754]
  韓国語31言語に翻訳データセット(TransMuCoRes)を導入する。 予測された翻訳のほぼ全てが正当性検査に合格し、英語の参照の75%は予測された翻訳と一致している。 本研究は,ヒンディー語黄金集合上でのエンド・ツー・エンドのコア参照分解モデルを評価する最初のものである。
  論文  参考訳（メタデータ） (2024-02-21T07:05:51Z)
• Typhoon: Thai Large Language Models [10.104705021561008]
  タイ語(タイ語: Typhoon)は、タイ語向けに開発された大型言語モデルである。 本報告では,タイのLLM開発における課題と知見について述べる。
  論文  参考訳（メタデータ） (2023-12-21T15:38:41Z)
• NusaWrites: Constructing High-Quality Corpora for Underrepresented and Extremely Low-Resource Languages [54.808217147579036]
  インドネシアの地方言語について事例研究を行う。 データセット構築におけるオンラインスクラップ,人文翻訳,および母語話者による段落作成の有効性を比較した。 本研究は,母語話者による段落作成によって生成されたデータセットが,語彙的多様性と文化的内容の点で優れた品質を示すことを示す。
  論文  参考訳（メタデータ） (2023-09-19T14:42:33Z)
• Ensemble Transfer Learning for Multilingual Coreference Resolution [60.409789753164944]
  非英語で作業する場合に頻繁に発生する問題は、注釈付きトレーニングデータの不足である。 我々は,様々なトランスファー学習技術を組み合わせた,シンプルだが効果的なアンサンブルベースのフレームワークを設計する。 また、ウィキペディアアンカーテキストを利用して、コア参照解決モデルをブートストラップする低コストのTL手法を提案する。
  論文  参考訳（メタデータ） (2023-01-22T18:22:55Z)
• TaTa: A Multilingual Table-to-Text Dataset for African Languages [32.348630887289524]
  アフリカ言語におけるテーブル・トゥ・テキスト(TaTa)は、アフリカ言語に焦点を当てた最初の大規模多言語テーブル・トゥ・テキストデータセットである。 TaTaには、アフリカの4つの言語(Hausa、Igbo、Swahili、Yorub'a)とゼロショットテスト言語(ロシア語)を含む9つの言語で8,700の例が含まれている。
  論文  参考訳（メタデータ） (2022-10-31T21:05:42Z)
• Evaluation of Transfer Learning for Polish with a Text-to-Text Model [54.81823151748415]
  ポーランド語におけるテキスト・テキスト・モデルの質を評価するための新しいベンチマークを導入する。 KLEJベンチマークはテキスト・トゥ・テキスト、en-pl翻訳、要約、質問応答に適応している。 本稿では,ポーランド語のための汎用テキスト・テキスト・ツー・テキスト・モデルであるplT5について述べる。
  論文  参考訳（メタデータ） (2022-05-18T09:17:14Z)
• mT6: Multilingual Pretrained Text-to-Text Transformer with Translation Pairs [51.67970832510462]
  翻訳ペア(mt6)を用いた多言語テキスト間トランスフォーマーの改良 本研究では,機械翻訳,翻訳ペアスパン破壊,翻訳スパン破壊という3つの言語間事前学習タスクについて検討した。 実験の結果,mT6はmT5よりも舌間移動性が向上することがわかった。
  論文  参考訳（メタデータ） (2021-04-18T03:24:07Z)
• Multiple Segmentations of Thai Sentences for Neural Machine Translation [6.1335228645093265]
  タイ語における単語分割手法の異なる文対を複製することにより、タイ語並列データの集合を拡大する方法を示す。 実験によると、これらのデータセットを組み合わせることで、教師付き分割ツールを使用して分割されたデータセットでトレーニングされたNMTモデルのパフォーマンスが改善されている。
  論文  参考訳（メタデータ） (2020-04-23T21:48:58Z)
• CoVoST: A Diverse Multilingual Speech-To-Text Translation Corpus [57.641761472372814]
  CoVoSTは11言語から英語への多言語による音声からテキストへの翻訳コーパスである。 11,000人以上の話者と60以上のアクセントで多様化した。 CoVoSTはCC0ライセンスでリリースされており、無料で利用できる。
  論文  参考訳（メタデータ） (2020-02-04T14:35:28Z)

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。