論文の概要: Implementing a Logical Inference System for Japanese Comparatives

• arxiv url: http://arxiv.org/abs/2509.13734v1
• Date: Wed, 17 Sep 2025 06:37:10 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-09-18 18:41:50.741789
• Title: Implementing a Logical Inference System for Japanese Comparatives
• Title（参考訳）: 日本語比較のための論理推論システムの実装
• Authors: Yosuke Mikami, Daiki Matsuoka, Hitomi Yanaka,
• Abstract要約: 本研究では,構成意味論に基づく日本語比較の論理推論システムであるccg-jcompを提案する。 比較式を含む日本語NLIデータセットを用いて,提案手法の評価を行った。
• 参考スコア（独自算出の注目度）: 15.852779398905957
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Natural Language Inference (NLI) involving comparatives is challenging because it requires understanding quantities and comparative relations expressed by sentences. While some approaches leverage Large Language Models (LLMs), we focus on logic-based approaches grounded in compositional semantics, which are promising for robust handling of numerical and logical expressions. Previous studies along these lines have proposed logical inference systems for English comparatives. However, it has been pointed out that there are several morphological and semantic differences between Japanese and English comparatives. These differences make it difficult to apply such systems directly to Japanese comparatives. To address this gap, this study proposes ccg-jcomp, a logical inference system for Japanese comparatives based on compositional semantics. We evaluate the proposed system on a Japanese NLI dataset containing comparative expressions. We demonstrate the effectiveness of our system by comparing its accuracy with that of existing LLMs.
• Abstract（参考訳）: 比較を含む自然言語推論(NLI)は、文によって表現される量と比較関係を理解する必要があるため、困難である。 いくつかのアプローチはLLM(Large Language Models)を活用するが、我々は、数値および論理式を堅牢に扱うことを約束する構成意味論に基づく論理ベースのアプローチに焦点を当てる。 これらの線に沿った先行研究は、英語比較のための論理推論システムを提案している。 しかし、日本語と英語の比較では形態的・意味的な違いがいくつかあることが指摘されている。 これらの違いは、このようなシステムを日本の比較に直接適用することは困難である。 そこで本研究では,構成意味論に基づく日本語比較の論理推論システムであるccg-jcompを提案する。 比較式を含む日本語NLIデータセットを用いて,提案手法の評価を行った。 本システムの有効性を,既存のLCMと比較することにより実証する。

関連論文リスト

• Can Large Language Models Robustly Perform Natural Language Inference for Japanese Comparatives? [15.852779398905957]
  大規模言語モデル(LLM)は自然言語推論(NLI)において極めてよく機能する 本稿では,ゼロショットおよび少数ショット設定におけるLLMの比較と評価について述べる。 論理的意味表現を含むプロンプトは,いくつかの例であっても解決に苦しむ推論問題に対して,モデルが正しいラベルを予測するのに役立つ。
  論文  参考訳（メタデータ） (2025-09-17T04:56:51Z)
• Disparities in LLM Reasoning Accuracy and Explanations: A Case Study on African American English [66.97110551643722]
  本研究では,Large Language Models (LLMs) 推論タスクにおける方言の相違について検討する。 LLMは、AAE入力に対するより正確な応答とより単純な推論チェーンと説明を生成する。 これらの知見は、LLMの処理方法と異なる言語品種の理由の体系的差異を浮き彫りにした。
  論文  参考訳（メタデータ） (2025-03-06T05:15:34Z)
• 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)
• LLM Comparative Assessment: Zero-shot NLG Evaluation through Pairwise Comparisons using Large Language Models [55.60306377044225]
  大規模言語モデル(LLM)は、様々な自然言語タスクで印象的なゼロショット機能を実現している。 本稿では,ゼロショットNLG評価におけるLCMの創発的能力を活用するための2つの選択肢について検討する。 FlanT5 や Llama2-chat のような中規模のオープンソース LLM では、スコアリングよりも比較評価が優れている。
  論文  参考訳（メタデータ） (2023-07-15T22:02:12Z)
• RankCSE: Unsupervised Sentence Representations Learning via Learning to Rank [54.854714257687334]
  本稿では,教師なし文表現学習のための新しい手法であるRangCSEを提案する。 コントラスト学習を伴うランキング一貫性とランキング蒸留を統一された枠組みに組み込む。 セマンティックテキスト類似性(STS)と転送タスク(TR)の両方について、広範な実験が実施されている。
  論文  参考訳（メタデータ） (2023-05-26T08:27:07Z)
• Pre-training Language Models for Comparative Reasoning [26.161185103553635]
  本稿では,テキストに対する比較推論能力を高めるための,事前学習型言語モデルのための新しいフレームワークを提案する。 本稿では,テキストに基づくエンティティ比較のためのスケーラブルなデータ収集手法を提案する。 本稿では,比較推論の新たな3つの目的を通じて,事前学習型言語モデルの枠組みを提案する。
  論文  参考訳（メタデータ） (2023-05-23T18:28:42Z)
• Combining Event Semantics and Degree Semantics for Natural Language Inference [16.536018920603176]
  イベントセマンティクスと次数セマンティクスを組み合わせた論理ベースのNLIシステムを構築し,それらの語彙知識との相互作用について述べる。 言語的に難解な問題を含む様々なNLIデータセットを用いてシステム評価を行った。
  論文  参考訳（メタデータ） (2020-11-02T13:27:21Z)
• Modeling Voting for System Combination in Machine Translation [92.09572642019145]
  本稿では,機械翻訳におけるシステムの組み合わせに対する投票のモデル化手法を提案する。 提案手法は,仮説間の関係を解析できるだけでなく,エンドツーエンドのトレーニングを可能にするため,統計的手法とニューラル手法の利点を組み合わせたものである。
  論文  参考訳（メタデータ） (2020-07-14T09:59:38Z)
• Logical Inferences with Comparatives and Generalized Quantifiers [18.58482811176484]
  自然言語推論タスクでは,比較のための論理推論システムが十分に開発されていない。 英語の様々な比較構成をカテゴリー文法(CCG)を通して意味表現にマッピングする構成意味論を提案する。 このシステムは,最近のディープラーニングモデルと同様に,従来の論理ベースのシステムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-05-16T11:11:48Z)

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。