Fugu-MT 論文翻訳(概要): A Systematic Comparison of Syntactic Representations of Dependency Parsing

論文の概要: A Systematic Comparison of Syntactic Representations of Dependency Parsing

arxiv url: http://arxiv.org/abs/2503.07142v1
Date: Mon, 10 Mar 2025 10:13:55 GMT
ステータス: 翻訳完了
システム内更新日: 2025-03-11 15:49:53.025377
Title: A Systematic Comparison of Syntactic Representations of Dependency Parsing
Title（参考訳）: 係り受け解析の構文的表現の体系的比較
Authors: Guillaume Wisniewski, Ophélie Lacroix,
Abstract要約: 我々は、普遍的な依存ツリーバンクで観測される特定の構文構造を、より標準的な表現に変換することを提案する。本研究は,標準構文が体系的に解析性能の向上に繋がることはなく,言語によってスコアが大きく異なることを示す。
参考スコア（独自算出の注目度）: 5.844015313757265
License:
Abstract: We compare the performance of a transition-based parser in regards to different annotation schemes. We pro-pose to convert some specific syntactic constructions observed in the universal dependency treebanks into a so-called more standard representation and to evaluate parsing performances over all the languages of the project. We show that the ``standard'' constructions do not lead systematically to better parsing performance and that the scores vary considerably according to the languages.
Abstract（参考訳）: 我々は、異なるアノテーションスキームに関して、トランジションベースのパーサの性能を比較した。我々は,ユニバーサル依存ツリーバンクで観測される特定の構文構造を,より標準的な表現に変換し,プロジェクトのすべての言語に対する解析性能を評価することを提案する。また,「標準」の構造は,より優れた構文解析に系統的に導かれず,言語によってスコアが大きく異なることを示す。

関連論文リスト

Predicting Text Preference Via Structured Comparative Reasoning [110.49560164568791]
我々は、構造化中間比較を生成することによって、テキストの嗜好を予測するプロンプト方式であるSCを導入する。我々は、テキスト間の差異を明確に区別するためのペアワイズ整合コンパレータと一貫した比較を選択する。要約,検索,自動評価など多種多様なNLPタスクに対する総合的な評価は,SCがテキスト優先予測における最先端性能を達成するためにLLMを装備していることを示す。
論文参考訳（メタデータ） (2023-11-14T18:51:38Z)
Assessment of Pre-Trained Models Across Languages and Grammars [7.466159270333272]
シーケンスラベリングとしてパースをキャストすることで,構成構造と依存性構造を復元することを目的としている。その結果、事前学習された単語ベクトルは、依存関係よりも構文の連続表現を好まないことが明らかとなった。プレトレーニングデータ中の言語の発生は、単語ベクトルから構文を回復する際のタスクデータ量よりも重要である。
論文参考訳（メタデータ） (2023-09-20T09:23:36Z)
Generic Dependency Modeling for Multi-Party Conversation [32.25605889407403]
相対的依存符号化(ReDE)の形で依存関係を符号化する手法を提案する。自己注意の計算を改良してトランスフォーマーに実装する方法を示す。
論文参考訳（メタデータ） (2023-02-21T13:58:19Z)
BenchCLAMP: A Benchmark for Evaluating Language Models on Syntactic and Semantic Parsing [55.058258437125524]
本稿では,制約付きLanguage Model Parsingを評価するベンチマークであるBenchCLAMPを紹介する。 APIを通じてのみ利用可能な2つのGPT-3変種を含む8つの言語モデルをベンチマークする。実験により,エンコーダ-デコーダ事前学習言語モデルでは,モデル出力が有効であると制約された場合に,構文解析や意味解析の最先端手法を超えることができることがわかった。
論文参考訳（メタデータ） (2022-06-21T18:34:11Z)
Multilingual Extraction and Categorization of Lexical Collocations with Graph-aware Transformers [86.64972552583941]
我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
論文参考訳（メタデータ） (2022-05-23T16:47:37Z)
On The Ingredients of an Effective Zero-shot Semantic Parser [95.01623036661468]
我々は、標準発話とプログラムの訓練例を文法から言い換えて、ゼロショット学習を分析する。改良された文法,より強力なパラフレーズ,効率的な学習手法を用いて,これらのギャップを埋めることを提案する。我々のモデルはラベル付きデータゼロの2つの意味解析ベンチマーク(Scholar, Geo)で高い性能を達成する。
論文参考訳（メタデータ） (2021-10-15T21:41:16Z)
Compositional Generalization in Dependency Parsing [15.953482168182003]
しかし、依存性には構成解析ベンチマークがない。複合分散の増大は依存性性能を低下させるが、意味解析性能ほど劇的ではない。最も難しい分割において、依存関係の低いパフォーマンスを駆動する多くの構文構造を特定します。
論文参考訳（メタデータ） (2021-10-13T16:32:24Z)
Infusing Finetuning with Semantic Dependencies [62.37697048781823]
シンタックスとは異なり、セマンティクスは今日の事前訓練モデルによって表面化されないことを示す。次に、畳み込みグラフエンコーダを使用して、タスク固有の微調整にセマンティック解析を明示的に組み込む。
論文参考訳（メタデータ） (2020-12-10T01:27:24Z)
Comparison by Conversion: Reverse-Engineering UCCA from Syntax and Lexical Semantics [29.971739294416714]
堅牢な自然言語理解システムの構築には、さまざまな言語的意味表現が相互に補完するかどうか、明確に評価する必要がある。 i)ルールベースのコンバータ,(ii)他の情報のみを特徴として1つのフレームワークに解析する教師付きデレクシカル化の2つの相補的手法を用いて,異なるフレームワークからの意味表現間のマッピングを評価する。
論文参考訳（メタデータ） (2020-11-02T09:03:46Z)
Towards Instance-Level Parser Selection for Cross-Lingual Transfer of Dependency Parsers [59.345145623931636]
我々は、インスタンスレベルの選択(ILPS)という、新しい言語間移動パラダイムを論じる。本稿では,デレキシライズドトランスファーの枠組みにおけるインスタンスレベルの選択に着目した概念実証研究を提案する。
論文参考訳（メタデータ） (2020-04-16T13:18:55Z)
Transition-Based Dependency Parsing using Perceptron Learner [34.59241394911966]
Perceptron Learner を用いたトランジッションベースの依存性解析に取り組む。提案モデルでは,Perceptron Learnerにより関連性の高い機能を付加し,ベースラインのアーク標準よりも優れた性能を示す。
論文参考訳（メタデータ） (2020-01-22T20:58:22Z)

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。