Fugu-MT 論文翻訳(概要): Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines

論文の概要: Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines

arxiv url: http://arxiv.org/abs/2407.05154v1
Date: Sat, 6 Jul 2024 18:58:10 GMT
ステータス: 処理完了
システム内更新日: 2024-07-09 20:58:28.701074
Title: Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines
Title（参考訳）: 関係翻訳機を用いたツイートの構造と内容の強度と属性の識別力の同定
Authors: Ergun Biçici,
Abstract要約: 我々は、属性と英語の2つの単語の類似性を識別するために、レファレンシャル翻訳機械(RTM)を用いる。 RTMは、英語、アラビア語、スペイン語のツイートの構造と内容の強さを予測するためにも使われる。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: We use referential translation machines (RTMs) to identify the similarity between an attribute and two words in English by casting the task as machine translation performance prediction (MTPP) between the words and the attribute word and the distance between their similarities for Task 10 with stacked RTM models. RTMs are also used to predict the intensity of the structure and content in tweets in English, Arabic, and Spanish in Task 1 where MTPP is between the tweets and the set of words for the emotion selected from WordNet affect emotion lists. Stacked RTM models obtain encouraging results in both.
Abstract（参考訳）: 本稿では,属性と2つの単語の英単語間の類似度を,単語と属性語間のタスクを機械翻訳性能予測(MTPP)としてキャストし,その類似度とRTMモデルによるタスク10の類似度との距離を推定するためにRTM(Reference Translation Machine)を用いる。 MTPPは、つぶやきとWordNetから選択された感情のための単語のセットが感情リストに影響を及ぼすタスク1において、英語、アラビア語、スペイン語のつぶやきの構造と内容の強さを予測するためにも使われる。重ねられたRTMモデルはどちらも奨励的な結果を得る。

関連論文リスト

Exploring State Space and Reasoning by Elimination in Tsetlin Machines [14.150011713654331]
Tsetlin Machine(TM)は機械学習(ML)において大きな注目を集めている。 TMは、単語の埋め込みを構築し、節を使ってターゲット語を記述するために使われる。これらの節の記述能力を高めるために,節の定式化におけるReasoning by Elimination(RbE)の概念を検討した。
論文参考訳（メタデータ） (2024-07-12T10:58:01Z)
Predicting Word Similarity in Context with Referential Translation Machines [0.0]
タスクを機械翻訳性能予測(MTPP)としてキャストすることで、英語の2単語間の類似性を識別する。我々は、トレーニングとテストセットの共通表現を可能にするレファレンシャル翻訳機械(RTM)を使用している。 RTMは、グレードドドワード類似性(GWSC)タスクの上位結果を達成することができる。
論文参考訳（メタデータ） (2024-07-07T09:36:41Z)
Spatial Semantic Recurrent Mining for Referring Image Segmentation [63.34997546393106]
高品質なクロスモーダリティ融合を実現するために,Stextsuperscript2RMを提案する。これは、言語特徴の分散、空間的意味的再帰的分離、パーセマンティック・セマンティック・バランシングという三部作の作業戦略に従う。提案手法は他の最先端アルゴリズムに対して好適に機能する。
論文参考訳（メタデータ） (2024-05-15T00:17:48Z)
Cross-lingual Contextualized Phrase Retrieval [63.80154430930898]
そこで本研究では,言語間関係の単語検索を多義的に行うタスクの定式化を提案する。我々は、コントラスト学習を用いて、言語間コンテクスト対応句検索(CCPR)を訓練する。フレーズ検索タスクでは、CCPRはベースラインをかなり上回り、少なくとも13ポイント高いトップ1の精度を達成する。
論文参考訳（メタデータ） (2024-03-25T14:46:51Z)
A General and Flexible Multi-concept Parsing Framework for Multilingual Semantic Matching [60.51839859852572]
我々は,テキストを多言語セマンティックマッチングのためのマルチコンセプトに分解し,NERモデルに依存するモデルからモデルを解放することを提案する。英語データセットのQQPとMRPC、中国語データセットのMedical-SMについて包括的な実験を行った。
論文参考訳（メタデータ） (2024-03-05T13:55:16Z)
Verifying Properties of Tsetlin Machines [18.870370171271126]
本稿では、命題論理にTsMsを正確に符号化し、SATソルバを用いてTsMsの特性を正式に検証する。文献からの堅牢性と等価性の概念を考察し,それらをTsMに適用する。実験では,MNISTとIMDBのデータセットを画像と感情の分類に使用した。
論文参考訳（メタデータ） (2023-03-25T13:17:21Z)
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)
More Than Words: Collocation Tokenization for Latent Dirichlet Allocation Models [71.42030830910227]
モデルが異なる環境でクラスタリングの品質を測定するための新しい指標を提案する。マージトークンでトレーニングされたトピックは、マージされていないモデルよりも、より明確で、一貫性があり、トピックを区別する効果が高いトピックキーをもたらすことを示す。
論文参考訳（メタデータ） (2021-08-24T14:08:19Z)
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)
TMR: Evaluating NER Recall on Tough Mentions [1.2183405753834562]
従来の名前付きエンティティ認識(NER)評価を補完するTough Mentions Recall(TMR)メトリクスを提案します。 TMRメトリクスは、"粗い"言及の特定のサブセットをリコールする。本稿では,最近の5つのニューラルアーキテクチャを用いて,英語,スペイン語,オランダ語のコーパスを評価することにより,これらの指標の有用性を示す。
論文参考訳（メタデータ） (2021-03-23T05:04:14Z)
Incorporate Semantic Structures into Machine Translation Evaluation via UCCA [9.064153799336536]
文中の重要な意味を持つ単語を意味的中核語と定義する。意味的重み付き文類似性(SWSS)というMT評価手法を提案する。
論文参考訳（メタデータ） (2020-10-17T06:47:58Z)

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。