論文の概要: Joint Modeling of Entities and Discourse Relations for Coherence Assessment

• arxiv url: http://arxiv.org/abs/2509.04182v1
• Date: Thu, 04 Sep 2025 12:58:37 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-05 20:21:10.164291
• Title: Joint Modeling of Entities and Discourse Relations for Coherence Assessment
• Title（参考訳）: コヒーレンスアセスメントのためのエンティティと談話関係の連成モデリング
• Authors: Wei Liu, Michael Strube,
• Abstract要約: 言語学において、コヒーレンス(coherence)は、文をまたいだ同じ実体の集合への参照を維持するなど、異なる手段によって達成される。 本研究では,コヒーレンス評価のための実体と談話の関係を共同でモデル化する2つの手法について検討する。
• 参考スコア（独自算出の注目度）: 9.839463377856049
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In linguistics, coherence can be achieved by different means, such as by maintaining reference to the same set of entities across sentences and by establishing discourse relations between them. However, most existing work on coherence modeling focuses exclusively on either entity features or discourse relation features, with little attention given to combining the two. In this study, we explore two methods for jointly modeling entities and discourse relations for coherence assessment. Experiments on three benchmark datasets show that integrating both types of features significantly enhances the performance of coherence models, highlighting the benefits of modeling both simultaneously for coherence evaluation.
• Abstract（参考訳）: 言語学において、コヒーレンス(coherence)は、文間で同じ実体の集合を参照し、それらの間の会話関係を確立するなど、異なる手段によって達成される。 しかしながら、コヒーレンスモデリングに関する既存の研究のほとんどは、エンティティの特徴または談話関係の特徴にのみ焦点をあてており、これら2つを組み合わせることにはほとんど注意を払わない。 本研究では,コヒーレンス評価のための実体と談話の関係を共同でモデル化する2つの手法について検討する。 3つのベンチマークデータセットの実験では、両方の機能を統合することでコヒーレンスモデルの性能が大幅に向上し、コヒーレンス評価のために両方のモデリングの利点が同時に強調されている。

関連論文リスト

• A Bi-consolidating Model for Joint Relational Triple Extraction [3.972061685570092]
  リレーショナルトリプルを抽出する現在の手法は、エンティティ認識に依存することなく、生文の可能なエンティティペアに基づいて直接予測を行う。 このタスクは、複数の関係三重項が文中に1つまたは2つの実体を共有するという深刻な意味的重なり合う問題に悩まされる。 関係三重関係に関連する局所的・大域的意味的特徴を同時に強化することにより、この問題に対処するバイコンソリデーションモデルを提案する。
  論文  参考訳（メタデータ） (2024-04-05T04:04:23Z)
• Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [121.65152276851619]
  関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。 本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
  論文  参考訳（メタデータ） (2023-09-20T08:11:58Z)
• Multimodal Relation Extraction with Cross-Modal Retrieval and Synthesis [89.04041100520881]
  本研究は,対象物,文,画像全体に基づいて,テキストおよび視覚的証拠を検索することを提案する。 我々は,オブジェクトレベル,画像レベル,文レベル情報を合成し,同一性と異なるモダリティ間の推論を改善する新しい手法を開発した。
  論文  参考訳（メタデータ） (2023-05-25T15:26:13Z)
• Document-level Relation Extraction with Context Guided Mention Integration and Inter-pair Reasoning [18.374097786748834]
  文書レベルの関係抽出(DRE)は、2つの実体間の関係を認識することを目的としている。 これまでの研究では、言及の統合についてはほとんど研究されていないが、これは問題となるかもしれない。 本稿では,コンテキストガイドメンション統合とペア間推論という2つの新しい手法を提案する。
  論文  参考訳（メタデータ） (2022-01-13T08:00:23Z)
• Dialogue Response Selection with Hierarchical Curriculum Learning [52.3318584971562]
  対話応答選択のためのマッチングモデルの学習について検討する。 近年,ランダムなネガティブは信頼度の高いモデルを学習するには自明すぎることが判明し,階層的なカリキュラム学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-12-29T14:06:41Z)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
  単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。 本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
  論文  参考訳（メタデータ） (2020-01-09T04:47:14Z)

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。