論文の概要: Generating event descriptions under syntactic and semantic constraints

• arxiv url: http://arxiv.org/abs/2412.18496v1
• Date: Tue, 24 Dec 2024 15:28:41 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-12-25 15:55:29.938992
• Title: Generating event descriptions under syntactic and semantic constraints
• Title（参考訳）: 統語的・意味的制約下における事象記述の生成
• Authors: Angela Cao, Faye Holt, Jonas Chan, Stephanie Richter, Lelia Glass, Aaron Steven White,
• Abstract要約: イベント記述を生成する3つの異なる方法を比較する。 すべての手法が、自然で典型的で独特な事象記述を確実に生成することがわかった。 提案手法は,下流のアノテーションや分析に十分な品質のイベント記述を自動生成する。
• 参考スコア（独自算出の注目度）: 1.2847187688125323
• License:
• Abstract: With the goal of supporting scalable lexical semantic annotation, analysis, and theorizing, we conduct a comprehensive evaluation of different methods for generating event descriptions under both syntactic constraints -- e.g. desired clause structure -- and semantic constraints -- e.g. desired verb sense. We compare three different methods -- (i) manual generation by experts; (ii) sampling from a corpus annotated for syntactic and semantic information; and (iii) sampling from a language model (LM) conditioned on syntactic and semantic information -- along three dimensions of the generated event descriptions: (a) naturalness, (b) typicality, and (c) distinctiveness. We find that all methods reliably produce natural, typical, and distinctive event descriptions, but that manual generation continues to produce event descriptions that are more natural, typical, and distinctive than the automated generation methods. We conclude that the automated methods we consider produce event descriptions of sufficient quality for use in downstream annotation and analysis insofar as the methods used for this annotation and analysis are robust to a small amount of degradation in the resulting event descriptions.
• Abstract（参考訳）: スケーラブルな語彙意味論、分析、理論化をサポートすることを目的として、私たちは、構文的制約(例えば、所望の節構造と意味的制約)、例えば、所望の動詞感覚(英語版)の両方の下で、イベント記述を生成する様々なメソッドを包括的に評価する。 一 専門家による手作り 二 統語及び意味情報に注記されたコーパスからのサンプリング及び 3 構文情報及び意味情報に基づく言語モデル(LM)から、生成された事象記述の3次元に沿ってサンプリングすること。 a)自然性,自然性. (b)典型性、及び (c)特異性。 すべての手法が、自然で典型的で独特なイベント記述を確実に生成するが、手動生成は、自動生成方法よりも自然で典型的で独特なイベント記述を引き続き生成し続けている。 我々は,このアノテーションと分析に使用する手法として,下流アノテーションや解析で使用する十分な品質のイベント記述を自動生成する手法が,結果として生じるイベント記述のわずかな劣化に対して堅牢である,と結論付けている。

関連論文リスト

• TAGExplainer: Narrating Graph Explanations for Text-Attributed Graph Learning Models [14.367754016281934]
  本稿では,TAG学習のための自然言語記述法であるTAGExplainerを提案する。 実世界のシナリオにおける注釈付き真実説明の欠如に対処するため,まず,サリエンシに基づく説明からモデルの判断を捉える擬似ラベルを生成することを提案する。 高品質な擬似ラベルを使用して、エンド・ツー・エンドの説明生成モデルを訓練する。
  論文  参考訳（メタデータ） (2024-10-20T03:55:46Z)
• Localizing Factual Inconsistencies in Attributable Text Generation [91.981439746404]
  本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。 まず,人間のアノテーションに対するQASemConsistency法の有効性を示す。 そこで我々は,局所的な事実の不整合を自動的に検出するいくつかの手法を実装した。
  論文  参考訳（メタデータ） (2024-10-09T22:53:48Z)
• Detecting Statements in Text: A Domain-Agnostic Few-Shot Solution [1.3654846342364308]
  最先端のアプローチは通常、作成にコストがかかる大規模な注釈付きデータセット上の微調整モデルを含む。 本稿では,クレームに基づくテキスト分類タスクの共通パラダイムとして,定性的で多目的な少ショット学習手法の提案とリリースを行う。 本手法は,気候変動対策,トピック/スタンス分類,うつ病関連症状検出の3つの課題の文脈で説明する。
  論文  参考訳（メタデータ） (2024-05-09T12:03:38Z)
• SyntaxShap: Syntax-aware Explainability Method for Text Generation [12.089513278445704]
  本稿では,テキスト生成のためのモデルに依存しない説明可能性手法であるSyntaxShapを紹介する。 本手法は,自己回帰モデルによる予測に対するより忠実で一貫性のある説明を構築する上で有効であることを示す。
  論文  参考訳（メタデータ） (2024-02-14T15:45:56Z)
• Faithful and Robust Local Interpretability for Textual Predictions [6.492879435794228]
  FRED(Fithful and Robust Explainer for textual Documents)を提案する。 FREDは、モデル予測を説明するための3つの重要な洞察を提供する:(1)除去が予測に最も強い影響を及ぼす文書内の単語の最小セットを識別し、(2)重要スコアを各トークンに割り当て、モデルの出力にその影響を反映し、(3)非現実的な説明を提供する。
  論文  参考訳（メタデータ） (2023-10-30T20:27:36Z)
• FIND: A Function Description Benchmark for Evaluating Interpretability Methods [86.80718559904854]
  本稿では,自動解釈可能性評価のためのベンチマークスイートであるFIND(Function Interpretation and Description)を紹介する。 FINDには、トレーニングされたニューラルネットワークのコンポーネントに似た機能と、私たちが生成しようとしている種類の記述が含まれています。 本研究では、事前訓練された言語モデルを用いて、自然言語とコードにおける関数の振る舞いの記述を生成する手法を評価する。
  論文  参考訳（メタデータ） (2023-09-07T17:47:26Z)
• Understanding Synonymous Referring Expressions via Contrastive Features [105.36814858748285]
  画像とオブジェクトインスタンスレベルでのコントラスト機能を学ぶためのエンドツーエンドのトレーニング可能なフレームワークを開発しています。 提案アルゴリズムをいくつかのベンチマークデータセットで評価するための広範囲な実験を行った。
  論文  参考訳（メタデータ） (2021-04-20T17:56:24Z)
• Language Models for Lexical Inference in Context [4.581468205348204]
  文脈における語彙推論(英: Lexical inference in context, LIiC)とは、2つの非常に類似した文間のテキストの含意を認識するタスクである。 本稿では,この課題に対する事前学習言語モデル(LM)に基づいて,最初のアプローチを定式化し,評価する。 LIiC に対する事前訓練による LM の可能性が示された。
  論文  参考訳（メタデータ） (2021-02-10T09:08:22Z)
• Contextualized Perturbation for Textual Adversarial Attack [56.370304308573274]
  逆例は自然言語処理(NLP)モデルの脆弱性を明らかにする。 本稿では,フロートおよび文法的出力を生成するContextualized AdversaRial Example生成モデルであるCLAREを提案する。
  論文  参考訳（メタデータ） (2020-09-16T06:53:15Z)
• Procedural Reading Comprehension with Attribute-Aware Context Flow [85.34405161075276]
  手続き的なテキストは、しばしばエンティティの上で起こるプロセスを記述する。 本稿では,テキストを一般的な形式に翻訳することで,手続き的読解のためのアルゴリズムを提案する。
  論文  参考訳（メタデータ） (2020-03-31T00:06:29Z)
• Temporal Embeddings and Transformer Models for Narrative Text Understanding [72.88083067388155]
  キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。 これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。 最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
  論文  参考訳（メタデータ） (2020-03-19T14:23:12Z)

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。