論文の概要: A Factorized Probabilistic Model of the Semantics of Vague Temporal Adverbials Relative to Different Event Types

• arxiv url: http://arxiv.org/abs/2505.01311v1
• Date: Fri, 02 May 2025 14:39:04 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-05-05 17:21:20.0624
• Title: A Factorized Probabilistic Model of the Semantics of Vague Temporal Adverbials Relative to Different Event Types
• Title（参考訳）: 異なる事象タイプに関連するVag側副詞の意味論の因子的確率モデル
• Authors: Svenja Kenneweg, Jörg Deigmöller, Julian Eggert, Philipp Cimiano,
• Abstract要約: Vague temporal adverbials は過去の出来事と発話時間の間の時間的距離を記述しているが、正確な期間は未特定のままである。 本稿では,これらの副詞の意味を確率分布として捉える因子モデルを提案する。
• 参考スコア（独自算出の注目度）: 3.939139840783596
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Vague temporal adverbials, such as recently, just, and a long time ago, describe the temporal distance between a past event and the utterance time but leave the exact duration underspecified. In this paper, we introduce a factorized model that captures the semantics of these adverbials as probabilistic distributions. These distributions are composed with event-specific distributions to yield a contextualized meaning for an adverbial applied to a specific event. We fit the model's parameters using existing data capturing judgments of native speakers regarding the applicability of these vague temporal adverbials to events that took place a given time ago. Comparing our approach to a non-factorized model based on a single Gaussian distribution for each pair of event and temporal adverbial, we find that while both models have similar predictive power, our model is preferable in terms of Occam's razor, as it is simpler and has better extendability.
• Abstract（参考訳）: Vague temporal adverbials(例えば、最近、ちょうど、そして昔)は、過去の出来事と発話時間の間の時間的距離を記述しているが、正確な期間は未特定のままである。 本稿では,これらの副詞の意味を確率分布として捉える因子モデルを提案する。 これらの分布は事象固有の分布で構成され、特定の事象に適用された副詞の文脈化された意味を与える。 我々は、この曖昧な時間的副詞の適用性について、ネイティブ話者の既存のデータキャプチャー判断を用いてモデルのパラメータを適合させる。 一対の事象と時間的副詞に対する1つのガウス分布に基づく非分解モデルに対する我々のアプローチと比較すると、どちらのモデルも同様の予測力を持つが、より単純で拡張性の良いオッカムの解像に関して、我々のモデルは好ましいことが分かる。

関連論文リスト

• Accelerated Diffusion Models via Speculative Sampling [89.43940130493233]
  投機的サンプリングは、大規模言語モデルにおける推論を加速する一般的な手法である。 我々は投機的サンプリングを拡散モデルに拡張し、連続したベクトル値のマルコフ連鎖を介してサンプルを生成する。 本稿では,ドラフトモデルをトレーニングする必要のない,シンプルで効果的なアプローチを含む,さまざまなドラフト戦略を提案する。
  論文  参考訳（メタデータ） (2025-01-09T16:50:16Z)
• Interacting Diffusion Processes for Event Sequence Forecasting [20.380620709345898]
  拡散生成モデルを組み込んだ新しい手法を提案する。 このモデルはシーケンス・ツー・シーケンスの予測を容易にし、過去のイベント・シーケンスに基づいた複数ステップの予測を可能にする。 提案手法は,TPPの長期予測において,最先端のベースラインよりも優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-26T22:17:25Z)
• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• User-defined Event Sampling and Uncertainty Quantification in Diffusion Models for Physical Dynamical Systems [49.75149094527068]
  拡散モデルを用いて予測を行い,カオス力学系に対する不確かさの定量化が可能であることを示す。 本研究では,雑音レベルが低下するにつれて真の分布に収束する条件付きスコア関数の確率的近似法を開発する。 推論時に非線形ユーザ定義イベントを条件付きでサンプリングすることができ、分布の尾部からサンプリングした場合でもデータ統計と一致させることができる。
  論文  参考訳（メタデータ） (2023-06-13T03:42:03Z)
• ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
  チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。 我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
  論文  参考訳（メタデータ） (2023-04-07T15:17:48Z)
• On the Impact of Temporal Concept Drift on Model Explanations [31.390397997989712]
  自然言語処理におけるモデル予測の表現忠実度は、トレーニングデータと同じ時間分布から保持されたデータに基づいて評価する。 8つの特徴属性法と3つの選択列予測モデルにより抽出されたモデル説明に対する時間的変動の影響について検討した。
  論文  参考訳（メタデータ） (2022-10-17T15:53:09Z)
• Learning Sample Importance for Cross-Scenario Video Temporal Grounding [30.82619216537177]
  本稿では,時間的接地作業に特有の表面バイアスについて検討する。 そこで本研究では,Debiased Temporal Language Localizer (DebiasTLL) と呼ばれる新しい手法を提案する。 我々は、列車/テストデータが均一にソースされるクロスセサリオ時間的グラウンドリングにおいて、提案モデルを評価する。
  論文  参考訳（メタデータ） (2022-01-08T15:41:38Z)
• Learning Probabilistic Sentence Representations from Paraphrases [47.528336088976744]
  文の分布を生成する確率モデルを定義する。 パラフレーズでモデルをトレーニングし、それらが自然に文の特異性を捉えていることを示す。 本モデルでは,各単語の明瞭度と正確度を抽出する手法を提案する。
  論文  参考訳（メタデータ） (2020-05-16T21:10:28Z)
• Decision-Making with Auto-Encoding Variational Bayes [71.44735417472043]
  変分分布とは異なる後部近似を用いて意思決定を行うことが示唆された。 これらの理論的な結果から,最適モデルに関するいくつかの近似的提案を学習することを提案する。 おもちゃの例に加えて,単細胞RNAシークエンシングのケーススタディも紹介する。
  論文  参考訳（メタデータ） (2020-02-17T19:23:36Z)

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。