Fugu-MT 論文翻訳(概要): AXOLOTL'24 Shared Task on Multilingual Explainable Semantic Change Modeling

論文の概要: AXOLOTL'24 Shared Task on Multilingual Explainable Semantic Change Modeling

arxiv url: http://arxiv.org/abs/2407.04079v1
Date: Thu, 4 Jul 2024 17:41:32 GMT
ステータス: 処理完了
システム内更新日: 2024-07-08 15:20:13.644099
Title: AXOLOTL'24 Shared Task on Multilingual Explainable Semantic Change Modeling
Title（参考訳）: AXOLOTL'24多言語説明可能な意味変化モデリングのための共有タスク
Authors: Mariia Fedorova, Timothee Mickus, Niko Partanen, Janine Siewert, Elena Spaziani, Andrey Kutuzov,
Abstract要約: AXOLOTL'24は、多言語で説明可能なセマンティックチェンジモデリング共有タスクである。本稿では,フィンランド語とロシア語に対する意味変化データセットについて述べる。 AXOLOTL'24のセットアップはセマンティック・チェンジ・モデリング・フィールドにとって新しいものである。
参考スコア（独自算出の注目度）: 3.556988111507058
License: http://creativecommons.org/licenses/by/4.0/
Abstract: This paper describes the organization and findings of AXOLOTL'24, the first multilingual explainable semantic change modeling shared task. We present new sense-annotated diachronic semantic change datasets for Finnish and Russian which were employed in the shared task, along with a surprise test-only German dataset borrowed from an existing source. The setup of AXOLOTL'24 is new to the semantic change modeling field, and involves subtasks of identifying unknown (novel) senses and providing dictionary-like definitions to these senses. The methods of the winning teams are described and compared, thus paving a path towards explainability in computational approaches to historical change of meaning.
Abstract（参考訳）: 本稿では,多言語で説明可能なセマンティックチェンジモデリング共有タスクであるAXOLOTL'24の組織と成果について述べる。フィンランド語とロシア語が共用した意味変化データセットと、既存のソースから借用したテスト専用ドイツ語データセットを新たに提案する。 AXOLOTL'24のセットアップはセマンティック・チェンジ・モデリングの分野で新しく、未知の(ノーベルな)感覚を識別し、これらの感覚に辞書のような定義を提供するサブタスクを含む。優勝チームの方法が説明され、比較されるので、歴史的意味の変化に対する計算的アプローチにおける説明可能性への道が開ける。

関連論文リスト

Deep-change at AXOLOTL-24: Orchestrating WSD and WSI Models for Semantic Change Modeling [0.19116784879310028]
本稿では,AXOLOTL-24共有タスクのセマンティック・チェンジ・モデリングにおける最初のサブタスクの解について述べる。本稿では,この課題を解く3つの新しい手法を提案し,実験する。我々は、与えられた単語の使用法が与えられた感覚定義のいずれかによって説明されないかどうかを判断できるモデルを開発する。
論文参考訳（メタデータ） (2024-08-09T17:15:54Z)
TartuNLP @ AXOLOTL-24: Leveraging Classifier Output for New Sense Detection in Lexical Semantics [0.21485350418225246]
AXOLOTL-24共有タスクに提案する。このタスクは2つのサブタスクから構成される: 単語が時間とともに得られる新しい感覚を識別し、識別された新しい感覚の定義を生成する。適応型バイナリ分類モデルをトレーニングし、使用例とグルースを一致させ、モデルの確率出力を利用して新しい感覚を識別した。
論文参考訳（メタデータ） (2024-07-04T11:46:39Z)
Using Synchronic Definitions and Semantic Relations to Classify Semantic Change Types [1.3436368800886478]
本稿では、同期語彙関係と単語の意味定義の両方から情報を活用するモデルを提案する。具体的には,WordNet の構文定義と階層情報を用いて,Blank (1997) のセマンティックチェンジ型データセットのデジタル化バージョンでそれをテストする。
論文参考訳（メタデータ） (2024-06-05T16:52:21Z)
Domain Embeddings for Generating Complex Descriptions of Concepts in Italian Language [65.268245109828]
電子辞書から抽出した言語情報と語彙情報に富んだ分布意味資源を提案する。リソースは21のドメイン固有の行列と1つの包括的なマトリックスとグラフィカルユーザインタフェースから構成される。本モデルは,具体的概念知識に直接関連した行列を選択することにより,概念の意味的記述の推論を容易にする。
論文参考訳（メタデータ） (2024-02-26T15:04:35Z)
Semantic change detection for Slovene language: a novel dataset and an approach based on optimal transport [0.0]
我々は、200万人の話者を持つあまりリソースの乏しいスラヴ語であるSloveneにおける意味的変化の検出に焦点をあてる。セマンティックチェンジ検出システムを評価するための最初のSloveneデータセットを提案する。
論文参考訳（メタデータ） (2024-02-26T14:27:06Z)
Variational Cross-Graph Reasoning and Adaptive Structured Semantics Learning for Compositional Temporal Grounding [143.5927158318524]
テンポラルグラウンドティング(Temporal grounding)とは、クエリ文に従って、未編集のビデオから特定のセグメントを特定するタスクである。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。ビデオや言語に内在する構造的意味論は、構成的一般化を実現する上で重要な要素である、と我々は主張する。
論文参考訳（メタデータ） (2023-01-22T08:02:23Z)
Retrofitting Multilingual Sentence Embeddings with Abstract Meaning Representation [70.58243648754507]
抽象的意味表現(AMR)を用いた既存の多言語文の埋め込みを改善する新しい手法を提案する。原文入力と比較すると、AMRは文の中核概念と関係を明確かつ曖昧に表す構造的意味表現である。実験結果から,多言語文をAMRで埋め込むと,意味的類似性と伝達タスクの両方において,最先端の性能が向上することがわかった。
論文参考訳（メタデータ） (2022-10-18T11:37:36Z)
Compositional Temporal Grounding with Structured Variational Cross-Graph Correspondence Learning [92.07643510310766]
ビデオの時間的接地は、あるクエリ文に意味的に対応する1つのターゲットビデオセグメントをローカライズすることを目的としている。新たに構成時間グラウンドタスクを導入し,2つの新しいデータセット分割を構築した。出現した単語の新たな組み合わせによるクエリの一般化に失敗したことを実証的に見出した。本稿では,ビデオと言語を複数の階層構造に明示的に分解する多変分グラフ推論フレームワークを提案する。
論文参考訳（メタデータ） (2022-03-24T12:55:23Z)
Fake it Till You Make it: Self-Supervised Semantic Shifts for Monolingual Word Embedding Tasks [58.87961226278285]
語彙意味変化をモデル化するための自己教師付きアプローチを提案する。本手法は,任意のアライメント法を用いて意味変化の検出に利用できることを示す。 3つの異なるデータセットに対する実験結果を用いて,本手法の有用性について述べる。
論文参考訳（メタデータ） (2021-01-30T18:59:43Z)
Lexical semantic change for Ancient Greek and Latin [61.69697586178796]
歴史的文脈における単語の正しい意味の連想は、ダイアクロニック研究の中心的な課題である。我々は、動的ベイズ混合モデルに基づくセマンティック変化に対する最近の計算的アプローチに基づいて構築する。本研究では,動的ベイズ混合モデルと最先端埋め込みモデルとのセマンティックな変化を系統的に比較する。
論文参考訳（メタデータ） (2021-01-22T12:04:08Z)
Unsupervised Embedding-based Detection of Lexical Semantic Changes [1.7403133838762452]
本稿では,SemEval-2020 Task 1の"Life-Language"チームによって導入されたEmbLexChangeについて述べる。 EmmLexChangeは、ソース内のワードwの埋め込みベースのプロファイルとターゲットドメインとの分岐として定義される。参照単語の選択に再サンプリングフレームワークを用いることで,英語,ドイツ語,スウェーデン語,ラテン語の語彙・意味的変化を確実に検出できることを示す。
論文参考訳（メタデータ） (2020-05-16T13:05:47Z)

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。