論文の概要: ASC analyzer: A Python package for measuring argument structure construction usage in English texts

• arxiv url: http://arxiv.org/abs/2510.10384v1
• Date: Sun, 12 Oct 2025 00:45:18 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-10-14 18:06:29.916493
• Title: ASC analyzer: A Python package for measuring argument structure construction usage in English texts
• Title（参考訳）: ASCアナライザ:英語テキストにおける引数構造構築使用量を測定するPythonパッケージ
• Authors: Hakyung Sung, Kristopher Kyle,
• Abstract要約: 本稿では,このギャップに対処するように設計されたPythonパッケージであるASCアナライザを紹介する。 アナライザは自動的にASCをタグ付けし、多様性、比率、頻度、およびASC-バーブレムマ結合強度をキャプチャする50の指標を算出する。
• 参考スコア（独自算出の注目度）: 1.0312968200748116
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Argument structure constructions (ASCs) offer a theoretically grounded lens for analyzing second language (L2) proficiency, yet scalable and systematic tools for measuring their usage remain limited. This paper introduces the ASC analyzer, a publicly available Python package designed to address this gap. The analyzer automatically tags ASCs and computes 50 indices that capture diversity, proportion, frequency, and ASC-verb lemma association strength. To demonstrate its utility, we conduct both bivariate and multivariate analyses that examine the relationship between ASC-based indices and L2 writing scores.
• Abstract（参考訳）: argument structure constructions (ASCs) は第二言語 (L2) の習熟度を分析するための理論的に基礎的なレンズを提供するが、その使用量を測定するためのスケーラブルで体系的なツールは限られている。 本稿では,このギャップに対処するように設計されたPythonパッケージであるASCアナライザを紹介する。 アナライザは自動的にASCをタグ付けし、多様性、比率、頻度、およびASC-バーブレムマ結合強度をキャプチャする50の指標を算出する。 その有用性を示すために,ASCに基づく指標とL2書字スコアの関係を考察する二変量解析と多変量解析の両方を行う。

関連論文リスト

• Unveiling Decision-Making in LLMs for Text Classification : Extraction of influential and interpretable concepts with Sparse Autoencoders [0.0]
  本稿では,テキスト分類に適した新しいSAEアーキテクチャを提案する。 我々はこのアーキテクチャを、ConceptShap、Independent Component Analysis、その他のSAEベースの概念抽出技術といった確立した手法と比較した。 私たちのアーキテクチャは,抽出した特徴の因果性と解釈性の両方を改善している。
  論文  参考訳（メタデータ） (2025-06-30T15:18:50Z)
• Evaluating LLM-based Agents for Multi-Turn Conversations: A Survey [64.08485471150486]
  本研究では,大規模言語モデル(LLM)に基づくマルチターン対話環境におけるエージェントの評価手法について検討する。 我々は250近い学術資料を体系的にレビューし、様々な出版場所から芸術の状態を捉えた。
  論文  参考訳（メタデータ） (2025-03-28T14:08:40Z)
• Learning to Align Multi-Faceted Evaluation: A Unified and Robust Framework [61.38174427966444]
  大規模言語モデル(LLM)は、様々なシナリオにおける自動評価のために、より広く使われている。 従来の研究では、強力なプロプライエタリモデルの評価と判断を再現するために、オープンソースのLLMを微調整しようと試みてきた。 本稿では,評価基準を適応的に定式化し,テキストベースとコード駆動分析の両方を合成する新しい評価フレームワークARJudgeを提案する。
  論文  参考訳（メタデータ） (2025-02-26T06:31:45Z)
• Computational Semantics and Evaluation Benchmark for Interrogative Sentences via Combinatory Categorial Grammar [8.666172545138275]
  我々は,コンビニティ・カテゴリ・文法(CCG)の枠組みの中で,多種多様な極性質問と難問に関する構成意味論を提示する。 本稿では,質問文の意味性を評価するための質問応答データセットQSEMを提案する。
  論文  参考訳（メタデータ） (2023-12-22T14:46:02Z)
• Latent Space Perspicacity and Interpretation Enhancement (LS-PIE) Framework [0.0]
  本稿では,線形潜在空間の解釈可能性向上のための潜在空間表現を強化するための一般的な枠組みを提案する。 この論文のコンセプトは言語に依存しないが、フレームワークはPythonで記述されている。 ラテント・ランキング(LR)、ラテント・スケーリング(LS)、ラテント・クラスタリング(LC)、ラテント・コンデンシング(LCON)など、いくつかの革新的な拡張が組み込まれている。
  論文  参考訳（メタデータ） (2023-07-11T03:56:04Z)
• Bayesian Networks for Named Entity Prediction in Programming Community Question Answering [0.0]
  ベイジアンネットワークを用いた自然言語処理のための新しい手法を提案し,その文脈を予測・解析する。 ベイジアンネットワークとBIC、BDeu、K2、Chow-Liuといったスコアメトリクスを比較した。 さらに,有向非巡回グラフの可視化を行い,意味的関係を解析する。
  論文  参考訳（メタデータ） (2023-02-26T07:26:36Z)
• A Knowledge-Enhanced Adversarial Model for Cross-lingual Structured Sentiment Analysis [31.05169054736711]
  言語間構造的感情分析タスクは、ソース言語からターゲット言語へ知識を伝達することを目的としている。 本稿では,暗黙的分散と明示的構造的知識を両立させた知識強化逆数モデル(textttKEAM)を提案する。 我々は5つのデータセットの実験を行い、textttKEAMと教師なしおよび教師なしの両方の手法を比較した。
  論文  参考訳（メタデータ） (2022-05-31T03:07:51Z)
• Generalized Funnelling: Ensemble Learning and Heterogeneous Document Embeddings for Cross-Lingual Text Classification [78.83284164605473]
  emphFunnelling (Fun)は、最近提案された言語間テキスト分類手法である。 Emph Generalized Funnelling (gFun) はFunの一般化である。 gFunは、Funや最先端のベースラインよりも大幅に改善されていることを示す。
  論文  参考訳（メタデータ） (2021-09-17T23:33:04Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)

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。