Fugu-MT 論文翻訳(概要): Paraphrasing in Affirmative Terms Improves Negation Understanding

論文の概要: Paraphrasing in Affirmative Terms Improves Negation Understanding

arxiv url: http://arxiv.org/abs/2406.07492v1
Date: Tue, 11 Jun 2024 17:30:03 GMT
ステータス: 処理完了
システム内更新日: 2024-06-12 14:45:44.645094
Title: Paraphrasing in Affirmative Terms Improves Negation Understanding
Title（参考訳）: 肯定的用語のパラフレーズ化は否定的理解を改善する
Authors: MohammadHossein Rezaei, Eduardo Blanco,
Abstract要約: 否定は共通の言語現象である。本研究では,否定を伴う推論を必要とする大規模コーパスであるCondaQAの改良と5つの自然言語理解タスクを示す。
参考スコア（独自算出の注目度）: 9.818585902859363
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Negation is a common linguistic phenomenon. Yet language models face challenges with negation in many natural language understanding tasks such as question answering and natural language inference. In this paper, we experiment with seamless strategies that incorporate affirmative interpretations (i.e., paraphrases without negation) to make models more robust against negation. Crucially, our affirmative interpretations are obtained automatically. We show improvements with CondaQA, a large corpus requiring reasoning with negation, and five natural language understanding tasks.
Abstract（参考訳）: 否定は共通の言語現象である。しかし、言語モデルは、質問応答や自然言語推論など、多くの自然言語理解タスクにおいて否定を伴う課題に直面している。本稿では,肯定的解釈(否定のない言い回し)を取り入れたシームレスな戦略を用いて,モデルが否定に対してより堅牢になるよう実験する。重要なことに、我々の肯定的な解釈は自動的に得られます。本研究では,否定を伴う推論を必要とする大規模コーパスであるCondaQAの改良と5つの自然言語理解タスクを示す。

関連論文リスト

Generating Diverse Negations from Affirmative Sentences [0.999726509256195]
否定は、動詞句、節、その他の表現において負の極性を符号化する現実世界の応用において重要である。多様な否定型を生成することにより,否定データセットの欠如に対処する手法であるNegVerseを提案する。我々は,構文構造に基づいて,否定が最も起こりやすい文の一部をマスキングするための新しい規則を提案する。また, 否定の手がかりを同定し, 退化例を除去し, 多様な有意義な摂動を生じさせるフィルタリング機構を提案する。
論文参考訳（メタデータ） (2024-10-30T21:25:02Z)
Revisiting subword tokenization: A case study on affixal negation in large language models [57.75279238091522]
現代英語大言語モデル(LLM)に対する接尾辞否定の影響を計測する。我々は、異なるサブワードトークン化手法を用いてLLMを用いて実験を行う。モデルは全体として、接尾辞の意味を確実に認識できることを示す。
論文参考訳（メタデータ） (2024-04-03T03:14:27Z)
CONDAQA: A Contrastive Reading Comprehension Dataset for Reasoning about Negation [21.56001677478673]
本稿では,段落における否定文の意味に関する推論を必要とする,最初の英語読解データセットを提案する。 CONDAQAは1,182組の質問応答ペアと200以上のユニークな否定的手がかりを備える。 CONDAQAの最高のパフォーマンスモデル(UnifiedQA-v2-3b)は、我々の一貫性基準で42%しか達成できません。
論文参考訳（メタデータ） (2022-11-01T06:10:26Z)
Leveraging Affirmative Interpretations from Negation Improves Natural Language Understanding [10.440501875161003]
否定は多くの自然言語理解タスクにおいて課題となる。 3つの自然言語理解タスクに対して,このようなメリットモデルを行うことが示される。我々は,否定文を付与したプラグアンドプレイ型ニューラルジェネレータを構築し,肯定的な解釈を生成する。
論文参考訳（メタデータ） (2022-10-26T05:22:27Z)
Transparency Helps Reveal When Language Models Learn Meaning [71.96920839263457]
合成データを用いた体系的な実験により,すべての表現が文脈に依存しない意味を持つ言語では,自己回帰型とマスキング型の両方の言語モデルが,表現間の意味的関係をエミュレートする。自然言語に目を向けると、特定の現象(参照不透明さ)による実験は、現在の言語モデルが自然言語の意味論をうまく表現していないという証拠を増大させる。
論文参考訳（メタデータ） (2022-10-14T02:35:19Z)
Not another Negation Benchmark: The NaN-NLI Test Suite for Sub-clausal Negation [59.307534363825816]
否定は現在の言語モデルでは不十分だが、この問題の範囲は広く理解されていない。自然言語推論(NLI)テストスイートを導入し,NLP手法の能力を検証した。
論文参考訳（メタデータ） (2022-10-06T23:39:01Z)
A Question-Answer Driven Approach to Reveal Affirmative Interpretations from Verbal Negations [6.029488932793797]
我々は4,472人の口頭弁論者からなる新しいコーパスを作成し、67.1%が実際に出来事が起こったことを伝えていることを発見した。アノテーションは、肯定的な解釈を伝える3001の否定に対して7,277の質問を生成し、答える。
論文参考訳（メタデータ） (2022-05-23T17:08:30Z)
Improving negation detection with negation-focused pre-training [58.32362243122714]
否定は共通の言語的特徴であり、多くの言語理解タスクにおいて不可欠である。最近の研究で、最先端のNLPモデルは否定を含むサンプルで性能が低いことが示されている。本稿では,データ拡張と否定マスキングを対象とする,否定に焦点をあてた新たな事前学習戦略を提案する。
論文参考訳（メタデータ） (2022-05-09T02:41:11Z)
Composing Conversational Negation [0.0]
文の否定を捉えるために単一の単語の否定を構成する。また,文中に意味が進化する単語の否定をモデル化する方法についても述べる。
論文参考訳（メタデータ） (2021-07-14T16:24:41Z)
Understanding by Understanding Not: Modeling Negation in Language Models [81.21351681735973]
否定は自然言語の中核構造である。本稿では,否定された総称文に基づく不一致目的を用いて,言語モデリング目標の強化を提案する。否定されたLAMAデータセットの平均top1エラー率を4%に削減します。
論文参考訳（メタデータ） (2021-05-07T21:58:35Z)
Provable Limitations of Acquiring Meaning from Ungrounded Form: What will Future Language Models Understand? [87.20342701232869]
未知のシステムが意味を習得する能力について検討する。アサーションによってシステムが等価性のような意味関係を保存する表現をエミュレートできるかどうか検討する。言語内のすべての表現が参照的に透明であれば,アサーションによってセマンティックエミュレーションが可能になる。しかし、言語が変数バインディングのような非透過的なパターンを使用する場合、エミュレーションは計算不能な問題になる可能性がある。
論文参考訳（メタデータ） (2021-04-22T01:00:17Z)

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。