Fugu-MT 論文翻訳(概要): Dependency Graph Parsing as Sequence Labeling

論文の概要: Dependency Graph Parsing as Sequence Labeling

arxiv url: http://arxiv.org/abs/2410.17972v1
Date: Wed, 23 Oct 2024 15:37:02 GMT
ステータス: 翻訳完了
システム内更新日: 2024-10-24 13:56:15.584992
Title: Dependency Graph Parsing as Sequence Labeling
Title（参考訳）: シーケンスラベリングとしての依存グラフ解析
Authors: Ana Ezquerro, David Vilares, Carlos Gómez-Rodríguez,
Abstract要約: 我々は、グラフ解析をタグ付けタスクとしてキャストするのに使用できる、非有界および有界な線形化の範囲を定義する。セマンティック依存関係とUD解析の強化に関する実験結果から, シーケンスラベル依存グラフは, 符号化の優れた選択により, 高い効率性と, 最先端の精度を両立させることがわかった。
参考スコア（独自算出の注目度）: 18.079016557290338
License:
Abstract: Various linearizations have been proposed to cast syntactic dependency parsing as sequence labeling. However, these approaches do not support more complex graph-based representations, such as semantic dependencies or enhanced universal dependencies, as they cannot handle reentrancy or cycles. By extending them, we define a range of unbounded and bounded linearizations that can be used to cast graph parsing as a tagging task, enlarging the toolbox of problems that can be solved under this paradigm. Experimental results on semantic dependency and enhanced UD parsing show that with a good choice of encoding, sequence-labeling dependency graph parsers combine high efficiency with accuracies close to the state of the art, in spite of their simplicity.
Abstract（参考訳）: 構文依存解析をシーケンスラベリングとしてキャストするために、様々な線形化が提案されている。しかしながら、これらのアプローチは、セマンティック依存関係や拡張ユニバーサル依存関係のような、より複雑なグラフベースの表現をサポートしない。それらを拡張することにより、グラフ解析をタグ付けタスクとして使用し、このパラダイムの下で解決できる問題のツールボックスを拡大できるような、非有界および有界な線形化のレンジを定義する。セマンティック依存関係とUD解析の強化による実験結果から,シーケンスラベル付き依存グラフパーサは,その単純さにもかかわらず,高い効率性と最先端に近い精度を両立することがわかった。

関連論文リスト

A Semi-Autoregressive Graph Generative Model for Dependency Graph Parsing [24.829141650007273]
依存グラフがノードとエッジ間の明示的な依存関係をキャプチャできないことを示す。半自己回帰依存グラフを設計し、すべての要素を並列に注入しながら、グループグループとエッジグループを追加して依存性を生成する。
論文参考訳（メタデータ） (2023-06-21T05:07:40Z)
Visual Dependency Transformers: Dependency Tree Emerges from Reversed Attention [106.67741967871969]
ラベルなしで視覚的依存関係を誘導できる視覚依存変換器(DependencyViT)を提案する。我々は、子トークンが親トークンに出席し、情報を送信するように訓練された依存グラフとしてこれを定式化する。 DependencyViTは、ImageNet上の自己と弱い教師付き事前トレーニングパラダイムの両方でうまく機能する。
論文参考訳（メタデータ） (2023-04-06T17:59:26Z)
Self-Sufficient Framework for Continuous Sign Language Recognition [75.60327502570242]
この作業の目標は、継続的手話認識のための自己充足型のフレームワークを開発することです。これには、理解のための手、顔、口などの複雑なマルチスケール機能、フレームレベルのアノテーションの欠如が含まれる。ネットワークやアノテーションを必要とせずに手動と非手動の両方の機能を抽出するDivide and Focus Convolution (DFConv)を提案する。 DPLRは、基底真理グロスシーケンスラベルと予測シーケンスを組み合わせることにより、非スパイクフレームレベルの擬似ラベルを伝搬する。
論文参考訳（メタデータ） (2023-03-21T11:42:57Z)
Graph Adaptive Semantic Transfer for Cross-domain Sentiment Classification [68.06496970320595]
クロスドメイン感情分類(CDSC)は、ソースドメインから学んだ伝達可能なセマンティクスを使用して、ラベルなしのターゲットドメインにおけるレビューの感情を予測することを目的としている。本稿では、単語列と構文グラフの両方からドメイン不変セマンティクスを学習できる適応型構文グラフ埋め込み法であるグラフ適応意味伝達(GAST)モデルを提案する。
論文参考訳（メタデータ） (2022-05-18T07:47:01Z)
Uncertain Label Correction via Auxiliary Action Unit Graphs for Facial Expression Recognition [46.99756911719854]
ULC-AGと呼ばれる補助行動単位(AU)グラフを用いて,表情の不確実なラベル補正を実現する。 ULC-AGはRAF-DBとAffectNetのデータセットでそれぞれ89.31%と61.57%の精度を達成した。
論文参考訳（メタデータ） (2022-04-23T11:09:43Z)
Fine-grained Entity Typing via Label Reasoning [41.05579329042479]
本稿では,細粒度なエンティティラベルを逐次推論するemphLabel Reasoning Network(LRN)を提案する。実験により、LRNは標準的な超微粒なエンティティ型ベンチマークで最先端のパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2021-09-13T07:08:47Z)
Learning compositional structures for semantic graph parsing [81.41592892863979]
本稿では、AM依存性解析をニューラル潜在変数モデルで直接トレーニングする方法を示す。本モデルでは,いくつかの言語現象を独自に把握し,教師あり学習に匹敵する精度を達成している。
論文参考訳（メタデータ） (2021-06-08T14:20:07Z)
GRACE: Gradient Harmonized and Cascaded Labeling for Aspect-based Sentiment Analysis [90.43089622630258]
本稿では、これらの問題を解決するために、GRACE(GRadient hArmonized and CascadEd labeling model)を提案する。提案モデルでは,複数のベンチマークデータセットの整合性向上を実現し,最先端の結果を生成する。
論文参考訳（メタデータ） (2020-09-22T13:55:34Z)
Learn to Propagate Reliably on Noisy Affinity Graphs [69.97364913330989]
近年の研究では,ラベル伝搬によるラベル付きデータの利用により,ラベル付けコストを大幅に削減できることが示されている。ラベルを確実に伝播する方法、特に未知の外れ値を持つデータセットでは、依然として未解決の問題である。本稿では,大規模実世界のデータ上でラベルを確実に伝播させる新しいフレームワークを提案する。
論文参考訳（メタデータ） (2020-07-17T07:55:59Z)
Transition-based Semantic Dependency Parsing with Pointer Networks [0.34376560669160383]
本稿では,ラベル付き非巡回グラフを容易に生成し,セマンティック依存解析を行う遷移システムを提案する。 BERTから抽出した深層文脈化単語埋め込みによるアプローチを強化する。結果として得られたシステムは、既存のトランジションベースモデルをすべて上回るだけでなく、SemEval 2015 18の英語データセットでこれまでで最高の完全教師付き精度を達成している。
論文参考訳（メタデータ） (2020-05-27T13:18:27Z)
Factorized Graph Representations for Semi-Supervised Learning from Sparse Data [8.875598257768846]
極端に粗いラベル付きグラフでも、遠隔互換性推定と呼ばれる手法が有効であることを示す。我々の推定器は代替手法よりも桁違いに高速であり、エンドツーエンドの分類精度は金の標準適合性に匹敵するものである。
論文参考訳（メタデータ） (2020-03-05T18:57:45Z)

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。