Fugu-MT 論文翻訳(概要): Predicting Word Similarity in Context with Referential Translation Machines

論文の概要: Predicting Word Similarity in Context with Referential Translation Machines

arxiv url: http://arxiv.org/abs/2407.06230v1
Date: Sun, 7 Jul 2024 09:36:41 GMT
ステータス: 処理完了
システム内更新日: 2024-07-10 22:22:56.656219
Title: Predicting Word Similarity in Context with Referential Translation Machines
Title（参考訳）: 参照翻訳機を用いた文脈における単語類似性の予測
Authors: Ergun Biçici,
Abstract要約: 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。
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 identify the similarity between two words in English by casting the task as machine translation performance prediction (MTPP) between the words given the context and the distance between their similarities. We use referential translation machines (RTMs), which allows a common representation for training and test sets and stacked machine learning models. RTMs can achieve the top results in Graded Word Similarity in Context (GWSC) task.
Abstract（参考訳）: 本研究では,2つの単語間の類似度を,文脈と類似度間の距離を機械翻訳性能予測(MTPP)とすることで識別する。我々は参照翻訳機械(RTM)を使用し、トレーニングとテストセットと積み重ね機械学習モデルの共通表現を可能にする。 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。

関連論文リスト

Identifying Intensity of the Structure and Content in Tweets and the Discriminative Power of Attributes in Context with Referential Translation Machines [0.0]
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。
論文参考訳（メタデータ） (2024-07-06T18:58:10Z)
Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。我々のモデルは、$N$言語で並列データを操作する。本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
論文参考訳（メタデータ） (2022-12-21T02:41:40Z)
Neural Machine Translation with Contrastive Translation Memories [71.86990102704311]
Retrieval-augmented Neural Machine Translationモデルは、多くの翻訳シナリオで成功している。そこで本論文では,新たに検索拡張NMTを提案し,ソース文と相似なコントラスト検索された翻訳記憶をモデル化する。訓練段階では、目標文に対する各TMの健全な特徴を学習するために、マルチTMコントラスト学習目標を導入する。
論文参考訳（メタデータ） (2022-12-06T17:10:17Z)
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)
Improving Contextual Representation with Gloss Regularized Pre-training [9.589252392388758]
本稿では,単語の意味的類似性を高めるため,BERT事前学習(GR-BERT)に補助的なグロース正規化モジュールを提案する。マスクされた単語を予測し、コンテキスト埋め込みを対応するグルースに同時にアライメントすることにより、単語の類似性を明示的にモデル化することができる。実験結果から,単語レベルおよび文レベルの意味表現において,Gloss regularizerはBERTの恩恵を受けることがわかった。
論文参考訳（メタデータ） (2022-05-13T12:50:32Z)
Toward Interpretable Semantic Textual Similarity via Optimal Transport-based Contrastive Sentence Learning [29.462788855992617]
文間距離を輸送問題に基づく文脈化トークン距離の重み付け和として記述する。次に、RCMDと呼ばれる最適輸送に基づく距離測定を行い、意味的に整合したトークンペアを特定し、活用する。最後に,文ペアのRCMDを最適化するコントラスト学習フレームワークであるCLRCMDを提案する。
論文参考訳（メタデータ） (2022-02-26T17:28:02Z)
Did the Cat Drink the Coffee? Challenging Transformers with Generalized Event Knowledge [59.22170796793179]
Transformers Language Models (TLMs) を数学的適合のテクトダイナミックな評価のためのベンチマークで検証した。以上の結果から, TLM は SDM に匹敵する性能が得られることが示された。しかし、さらなる分析は、TLMがイベント知識の重要な側面を捉えていないことを一貫して示唆している。
論文参考訳（メタデータ） (2021-07-22T20:52:26Z)
Measuring and Increasing Context Usage in Context-Aware Machine Translation [64.5726087590283]
機械翻訳モデルによるコンテキストの使用を定量的にするために、新しいメトリクス、条件付き相互情報を導入します。次に,コンテキスト認識モデルによってコンテキストの使用量を増やすために,コンテキスト認識ワードドロップアウトという,新しい簡易なトレーニング手法を導入する。
論文参考訳（メタデータ） (2021-05-07T19:55:35Z)
SemMT: A Semantic-based Testing Approach for Machine Translation Systems [11.166336490280749]
本稿ではセマンティック類似性チェックに基づく機械翻訳システムの自動テスト手法であるSemMTを提案する。 SemMTはラウンドトリップ翻訳を適用し、原文と翻訳文のセマンティックな類似度を測定する。我々は,SemMTが最先端の作業よりも高い効率を達成できることを実証した。
論文参考訳（メタデータ） (2020-12-03T10:42:56Z)
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)
Contextual Neural Machine Translation Improves Translation of Cataphoric Pronouns [50.245845110446496]
本研究では,将来の文脈で訓練された文脈的NMTモデルの性能と過去の文脈で訓練された文脈とを比較し,文脈としての将来の文の効果について検討する。提案手法は, 文脈に依存しないトランスフォーマーよりも, 将来的な文脈の活用が著しく向上することを示し, 汎用的および代名詞的自動測定を用いた実験と評価を行った。
論文参考訳（メタデータ） (2020-04-21T10:45:48Z)

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。