論文の概要: Overview of the NLPCC 2024 Shared Task on Chinese Metaphor Generation
- arxiv url: http://arxiv.org/abs/2408.04378v1
- Date: Thu, 8 Aug 2024 11:29:43 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-09 15:48:23.194539
- Title: Overview of the NLPCC 2024 Shared Task on Chinese Metaphor Generation
- Title（参考訳）: NLPCC2024の中国メタファー生成に関する共有課題の概要
- Authors: Xingwei Qu, Ge Zhang, Siwei Wu, Yizhi Li, Chenghua Lin,
- Abstract要約: 本稿は,第13回CCF自然言語処理・中国語コンピューティング会議(NLPCC 2024)で開催されている,中国語メタファ生成における共有タスクの結果について述べる。
この共有タスクの目的は、機械学習技術を用いて中国語の比喩を生成し、比喩文の基本成分を効果的に識別することである。
- 参考スコア（独自算出の注目度）: 17.328775340148393
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper presents the results of the shared task on Chinese metaphor generation, hosted at the 13th CCF Conference on Natural Language Processing and Chinese Computing (NLPCC 2024). The goal of this shared task is to generate Chinese metaphors using machine learning techniques and effectively identifying basic components of metaphorical sentences. It is divided into two subtasks: 1) Metaphor Generation, which involves creating a metaphor from a provided tuple consisting of TENOR, GROUND, and VEHICLE. The goal here is to synthesize a metaphor that connects the subject (i.e. TENOR) with the object (i.e. VEHICLE), guided by the concept of the GROUND. 2) Metaphor Components Identification, which extracts the most fitting TENORs, GROUNDs, and VEHICLEs from a metaphorical sentence. This component requires the identification of the most fitting metaphor elements that correspond to the specified grounds. In addition to overall results, we report on the setup and insights from the metaphor generation shared task, which attracted a total of 4 participating teams across both subtasks.
- Abstract（参考訳）: 本稿では,第13回CCF自然言語処理・中国語コンピューティング会議(NLPCC 2024)で開催されている,中国語メタファ生成における共有タスクの結果について述べる。
この共有タスクの目的は、機械学習技術を用いて中国語の比喩を生成し、比喩文の基本成分を効果的に識別することである。
2つのサブタスクに分けられる。
1)メタファー生成は、TENOR、GROUND、VEHICLEからなる提供されるタプルからメタファーを生成する。
ここでのゴールは、対象(すなわちTENOR)と対象(すなわちVEHICLE)を結びつけるメタファーを合成することである。
2)メタファー成分同定は,比喩文から最も適したTENOR,GROUND,VEHICLEを抽出する。
この構成要素は、指定された根拠に対応する最も適した比喩的要素を識別する必要がある。
総合的な結果に加えて、メタファ生成共有タスクのセットアップと洞察についても報告し、両サブタスクで合計4チームが参加した。
関連論文リスト
- Chinese Metaphor Recognition Using a Multi-stage Prompting Large Language Model [7.1588490359143115]
多段階生成促進型プロンプトフレームワークは、中国語メタファーにおけるテナー、車両、グラウンドを認識するLarge Language Models(LLMs)の能力を高めるために提案されている。
提案されたモデルは、Subtask 1のトラック1で3位、Subtask 1のトラック2で1位、NLPCC-2024共有タスク9で2番目のトラック2で1位となった。
論文 参考訳（メタデータ） (2024-08-17T11:56:38Z) - Meta4XNLI: A Crosslingual Parallel Corpus for Metaphor Detection and Interpretation [6.0158981171030685]
本稿ではスペイン語と英語の両方でメタファアノテーションを含むメタファ検出と解釈のタスクのための新しい並列データセットを提案する。
言語モデルのメタファ識別と理解能力について,一言語間実験と言語間実験による検討を行った。
論文 参考訳（メタデータ） (2024-04-10T14:44:48Z) - CMDAG: A Chinese Metaphor Dataset with Annotated Grounds as CoT for
Boosting Metaphor Generation [35.14142183519002]
本稿では,28Kの文からなる中国語メタファーコーパスについて紹介する。
アノテーションの正確性と一貫性を確保するため、包括的なガイドラインのセットを導入します。
伝統を破り、メタファー生成への我々のアプローチは、従来のテナーと車両の組み合わせよりも、その基盤と特徴を強調します。
論文 参考訳（メタデータ） (2024-02-20T17:00:41Z) - I Spy a Metaphor: Large Language Models and Diffusion Models Co-Create
Visual Metaphors [38.70166865926743]
言語メタファーから視覚的メタファーを生成するための新しい課題を提案する。
これは、暗黙的な意味と構成性をモデル化する能力を必要とするため、拡散ベースのテキスト-画像モデルにとって難しいタスクである。
我々は1,540の言語メタファーとそれに関連する視覚的エラボレートのための6,476の視覚的メタファーを含む高品質なデータセットを作成する。
論文 参考訳（メタデータ） (2023-05-24T05:01:10Z) - CREATIVESUMM: Shared Task on Automatic Summarization for Creative
Writing [90.58269243992318]
本稿では,複数の創作分野,すなわち文学テキスト,映画脚本,テレビ脚本を要約する作業について紹介する。
4つのサブタスクとその対応するデータセットを導入し、本、映画脚本、プライムタイムテレビ脚本、昼間のソープオペラ脚本の要約に焦点を当てた。
COING 2022でのCREATIVESUMMワークショップの一環として、共有タスクには合計18の応募が寄せられた。
論文 参考訳（メタデータ） (2022-11-10T21:31:03Z) - ConFiguRe: Exploring Discourse-level Chinese Figures of Speech [19.356209443798694]
コンフィギュア認識のための中国語コーパス(ConFiguRe)の構築
ConFiguReは、談話レベルのコンテキストから図形単位を抽出することを目的としている。
私たちは徹底的な実験を行い、3つのタスクがすべて既存のモデルに挑戦していることを示します。
論文 参考訳（メタデータ） (2022-09-16T02:31:48Z) - YouRefIt: Embodied Reference Understanding with Language and Gesture [95.93218436323481]
具体的参照の理解について研究する。
あるエージェントは、言語とジェスチャーの両方を使用して、共有された物理的環境でオブジェクトを別のエージェントに参照する。
クラウドソースされたYouRefItデータセットには、432の屋内シーンで4,195のユニークな参照クリップが含まれている。
論文 参考訳（メタデータ） (2021-09-08T03:27:32Z) - Metaphor Generation with Conceptual Mappings [58.61307123799594]
我々は、関連する動詞を置き換えることで、リテラル表現を与えられた比喩文を生成することを目指している。
本稿では,認知領域間の概念マッピングを符号化することで生成過程を制御することを提案する。
教師なしCM-Lexモデルは,近年のディープラーニングメタファ生成システムと競合することを示す。
論文 参考訳（メタデータ） (2021-06-02T15:27:05Z) - SemEval-2021 Task 4: Reading Comprehension of Abstract Meaning [47.49596196559958]
本稿では,SemEval-2021共有タスクについて紹介する。4: Reading of Abstract Meaning (ReCAM)。
パスとそれに対応する質問が与えられた場合、参加者システムは、抽象概念の5つの候補から正しい回答を選択することが期待される。
Subtask 1は、物理的な世界で直接認識できない概念を、システムがいかにうまくモデル化できるかを評価することを目的としている。
Subtask 2は、ハイパーニム階層にある非特異な概念を解釈するモデルの能力に焦点を当てている。
Subtask 3は、2種類の抽象性に対するモデルの一般化可能性に関する洞察を提供することを目的としている。
論文 参考訳（メタデータ） (2021-05-31T11:04:17Z) - Improving Machine Reading Comprehension with Contextualized Commonsense
Knowledge [62.46091695615262]
我々は、機械読解の理解を改善するために、常識知識を抽出することを目指している。
構造化知識を文脈内に配置することで,関係を暗黙的に表現することを提案する。
我々は,教師の学習パラダイムを用いて,複数種類の文脈的知識を学生機械読取機に注入する。
論文 参考訳（メタデータ） (2020-09-12T17:20:01Z) - Metaphoric Paraphrase Generation [58.592750281138265]
クラウドソーシングを用いてその結果を評価し,メタファー的パラフレーズを評価するための自動指標を開発する。
語彙置換ベースラインは正確なパラフレーズを生成できるが、比喩的でないことが多い。
メタファーマスキングモデルでは,メタファー文の生成に優れ,流布やパラフレーズの品質に関してはほぼ同等に機能する。
論文 参考訳（メタデータ） (2020-02-28T16:30:33Z)
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。