論文の概要: Story Grammar Semantic Matching for Literary Study

• arxiv url: http://arxiv.org/abs/2502.12276v1
• Date: Mon, 17 Feb 2025 19:20:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-19 14:03:17.117199
• Title: Story Grammar Semantic Matching for Literary Study
• Title（参考訳）: 物語文法のセマンティックマッチングと文学研究
• Authors: Abigail Swenor, Neil Coffee, Walter Scheirer,
• Abstract要約: ストーリー構造とその関連要素を利用した,より透過的なアプローチを提案する。 文章と叙事詩をストーリー要素ラベルでラベル付けし、これらのラベルを特徴としてのみ考慮して意味マッチングを行う。 この新たな手法であるストーリー・グラマー・セマンティック・マッチング(Story Grammar Semantic Matching)は、文学者に対して、パターンや文学的技法を特徴づける方法で、テキスト間での論証やその他の意味的類似性を導くものである。
• 参考スコア（独自算出の注目度）: 3.686808512438363
• License:
• Abstract: In Natural Language Processing (NLP), semantic matching algorithms have traditionally relied on the feature of word co-occurrence to measure semantic similarity. While this feature approach has proven valuable in many contexts, its simplistic nature limits its analytical and explanatory power when used to understand literary texts. To address these limitations, we propose a more transparent approach that makes use of story structure and related elements. Using a BERT language model pipeline, we label prose and epic poetry with story element labels and perform semantic matching by only considering these labels as features. This new method, Story Grammar Semantic Matching, guides literary scholars to allusions and other semantic similarities across texts in a way that allows for characterizing patterns and literary technique.
• Abstract（参考訳）: 自然言語処理(NLP)では、意味マッチングアルゴリズムは伝統的に、意味的類似性を測定するために単語共起の特徴に依存してきた。 この特徴的アプローチは多くの文脈で有益であることが証明されているが、その簡素な性質は、文学的な文章を理解する際にその分析的・説明的な力を制限している。 これらの制約に対処するために、ストーリー構造と関連する要素を活用する、より透明なアプローチを提案する。 BERT言語モデルパイプラインを用いて、文章と叙事詩をストーリー要素ラベルでラベル付けし、これらのラベルを特徴としてのみ考慮してセマンティックマッチングを行う。 この新たな手法であるストーリー・グラマー・セマンティック・マッチング(Story Grammar Semantic Matching)は、文学者に対して、パターンや文学的技法を特徴づける方法で、テキスト間での論証やその他の意味的類似性を導くものである。

関連論文リスト

• A Comparative Study of Sentence Embedding Models for Assessing Semantic Variation [0.0]
  本稿では,複数の文献において,連続する文間の意味的類似性の時系列と対の文類似性の行列を用いた最近の文埋め込み法について比較する。 文の埋め込み手法のほとんどは、ある文書において意味的類似性の高相関パターンを推定するが、興味深い相違が見られる。
  論文  参考訳（メタデータ） (2023-08-08T23:31:10Z)
• Textual Entailment Recognition with Semantic Features from Empirical Text Representation [60.31047947815282]
  テキストが仮説を包含するのは、仮説の真の価値がテキストに従う場合に限る。 本稿では,テキストと仮説のテキストの包含関係を同定する新しい手法を提案する。 本手法では,テキスト・ハイブリッド・ペア間の意味的含意関係を識別できる要素ワイド・マンハッタン距離ベクトルベースの特徴を用いる。
  論文  参考訳（メタデータ） (2022-10-18T10:03:51Z)
• Accessibility and Trajectory-Based Text Characterization [0.6912244027050454]
  特に、テキストは階層構造によって特徴づけられ、マルチスケールの概念や手法を用いてアプローチすることができる。 テキスト・ナラティブを表現するためのメソスコピック・アプローチを拡張し,発話のタグ付け部分間の反復関係のみを考慮した。 テキストのキャラクタリゼーションは、アクセシビリティ、対称性、繰り返しシグネチャといったスケール依存の相補的手法を考慮することで達成された。
  論文  参考訳（メタデータ） (2022-01-17T23:33:11Z)
• Hierarchical Heterogeneous Graph Representation Learning for Short Text Classification [60.233529926965836]
  短文分類のためのグラフニューラルネットワーク(GNN)に基づく ShiNE と呼ばれる新しい手法を提案する。 まず,短文データセットを単語レベル成分グラフからなる階層的不均一グラフとしてモデル化する。 そして、類似した短いテキスト間の効果的なラベル伝搬を容易にするショート文書グラフを動的に学習する。
  論文  参考訳（メタデータ） (2021-10-30T05:33:05Z)
• Contextual Modulation for Relation-Level Metaphor Identification [3.2619536457181075]
  本稿では,ある文法的関係の関連レベルの比喩表現を識別するための新しいアーキテクチャを提案する。 視覚的推論の研究にインスパイアされた方法論では、我々のアプローチは、深い文脈化された特徴にニューラルネットワークの計算を条件付けすることに基づいている。 提案したアーキテクチャは,ベンチマークデータセット上で最先端の結果が得られることを示す。
  論文  参考訳（メタデータ） (2020-10-12T12:07:02Z)
• A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
  本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。 異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。 これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
  論文  参考訳（メタデータ） (2020-09-23T15:45:32Z)
• Improving Disentangled Text Representation Learning with Information-Theoretic Guidance [99.68851329919858]
  自然言語の独特な性質は、テキスト表現の分離をより困難にする。 情報理論にインスパイアされた本研究では,テキストの不整合表現を効果的に表現する手法を提案する。 条件付きテキスト生成とテキストスタイル転送の両方の実験は、不整合表現の質を実証する。
  論文  参考訳（メタデータ） (2020-06-01T03:36:01Z)
• Comparative Analysis of Word Embeddings for Capturing Word Similarities [0.0]
  分散言語表現は、様々な自然言語処理タスクにおいて、言語表現において最も広く使われている技術となっている。 ディープラーニング技術に基づく自然言語処理モデルのほとんどは、単語埋め込みと呼ばれる、すでに訓練済みの分散単語表現を使用している。 適切な単語の埋め込みを選択することは 複雑な作業です なぜなら、投影された埋め込み空間は 人間にとって直感的ではないからです
  論文  参考訳（メタデータ） (2020-05-08T01:16:03Z)
• 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)
• IMRAM: Iterative Matching with Recurrent Attention Memory for Cross-Modal Image-Text Retrieval [105.77562776008459]
  既存の手法は、注意機構を利用して、そのような対応をきめ細かな方法で探索する。 既存の手法でこのような高度な対応を最適に捉えるのは難しいかもしれない。 本稿では,複数段階のアライメントで対応を捉えるIMRAM法を提案する。
  論文  参考訳（メタデータ） (2020-03-08T12:24:41Z)

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。