論文の概要: Enhancing Structured Meaning Representations with Aspect Classification

• arxiv url: http://arxiv.org/abs/2603.24797v1
• Date: Wed, 25 Mar 2026 20:10:43 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-03-27 20:52:47.981747
• Title: Enhancing Structured Meaning Representations with Aspect Classification
• Title（参考訳）: アスペクト分類による構造的意味表現の強化
• Authors: Claire Benét Post, Paul Bontempo, August Milliken, Alvin Po-Chun Chen, Nicholas Derby, Saksham Khatwani, Sumeyye Nabieva, Karthik Sairam, Alexis Palmer,
• Abstract要約: 統一意味表現(UMR)アスペクトラベルを付加した英語文のデータセットを新たに導入する。 UMRアスペクト格子に基づいて、事象の述語をラベル付けするために使用されるアノテーションスキームとガイドラインについて述べる。 本研究は,自動UMRアスペクト予測のための初期ベンチマークを構築し,アスペクトを意味的意味表現に統合するための基盤を提供する。
• 参考スコア（独自算出の注目度）: 3.923094828887562
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: To fully capture the meaning of a sentence, semantic representations should encode aspect, which describes the internal temporal structure of events. In graph-based meaning representation frameworks such as Uniform Meaning Representations (UMR), aspect lets one know how events unfold over time, including distinctions such as states, activities, and completed events. Despite its importance, aspect remains sparsely annotated across semantic meaning representation frameworks. This has, in turn, hindered not only current manual annotation, but also the development of automatic systems capable of predicting aspectual information. In this paper, we introduce a new dataset of English sentences annotated with UMR aspect labels over Abstract Meaning Representation (AMR) graphs that lack the feature. We describe the annotation scheme and guidelines used to label eventive predicates according to the UMR aspect lattice, as well as the annotation pipeline used to ensure consistency and quality across annotators through a multi-step adjudication process. To demonstrate the utility of our dataset for future automation, we present baseline experiments using three modeling approaches. Our results establish initial benchmarks for automatic UMR aspect prediction and provide a foundation for integrating aspect into semantic meaning representations more broadly.
• Abstract（参考訳）: 文の意味を完全に把握するためには、意味表現は事象の内部時間構造を記述するアスペクトをエンコードする必要がある。 Uniform Meaning Representation (UMR)のようなグラフベースの意味表現フレームワークでは、アスペクトは状態やアクティビティ、完了したイベントなどの区別を含む、イベントが時間とともにどのように広がるかを知ることができる。 その重要性にも拘わらず、アスペクトは意味論的な意味表現フレームワーク間でわずかにアノテートされている。 これは、現在の手動アノテーションだけでなく、アスペクト情報を予測できる自動システムの開発を妨げている。 本稿では,その特徴を欠いた抽象的意味表現(AMR)グラフに,UMRアスペクトラベルを付加した英語文のデータセットを導入する。 提案手法では,UMRのアスペクト・格子に従って事象の述語をラベル付けするアノテーション・スキームと,多段階の述語処理によってアノテータ間の一貫性と品質を確保するためのアノテーション・パイプラインについて述べる。 将来的な自動化のためのデータセットの有用性を示すために,3つのモデリング手法を用いたベースライン実験を行った。 本研究は,自動UMRアスペクト予測のための初期ベンチマークを構築し,より広い意味表現にアスペクトを統合する基盤を提供する。

関連論文リスト

• Mind-the-Glitch: Visual Correspondence for Detecting Inconsistencies in Subject-Driven Generation [120.23172120151821]
  本稿では,事前学習した拡散モデルのバックボーンから視覚的特徴と意味的特徴を分離するための新しいアプローチを提案する。 注釈付きセマンティックと視覚対応を備えた画像ペアを構築する自動パイプラインを導入する。 被験者駆動画像生成における視覚的不整合を定量化する新しい指標であるビジュアルセマンティックマッチングを提案する。
  論文  参考訳（メタデータ） (2025-09-26T07:11:55Z)
• ICLR: In-Context Learning of Representations [19.331483579806623]
  文脈の規模が拡大するにつれて、事前訓練された意味表現から、グラフ構造に整合した文脈内表現への突然の再構成が存在することを示す。 以上の結果から,拡張コンテキストサイズはモデル表現を柔軟に再構成し,新たな能力を解き放つ可能性が示唆された。
  論文  参考訳（メタデータ） (2024-12-29T18:58:09Z)
• Situational Scene Graph for Structured Human-centric Situation Understanding [15.91717913059569]
  本研究では,人的対象関係とそれに対応する意味特性の両方をエンコードするために,SSGというグラフベースの表現を提案する。 セマンティックディテールは、当初単一のアクションを表現するように設計された状況フレームにインスパイアされた、事前に定義された役割と値として表現される。 間もなくコードとデータセットをリリースします。
  論文  参考訳（メタデータ） (2024-10-30T09:11:25Z)
• Exploiting Contextual Target Attributes for Target Sentiment Classification [53.30511968323911]
  TSCの既存のPTLMベースモデルは、1)PTLMをコンテキストエンコーダとして採用した微調整ベースモデル、2)テキスト/単語生成タスクに分類タスクを転送するプロンプトベースモデル、の2つのグループに分類される。 我々は,PTLM を TSC に活用する新たな視点として,言語モデリングと文脈的ターゲット属性による明示的ターゲットコンテキスト相互作用の利点を同時に活用する。
  論文  参考訳（メタデータ） (2023-12-21T11:45:28Z)
• Structure-CLIP: Towards Scene Graph Knowledge to Enhance Multi-modal Structured Representations [70.41385310930846]
  マルチモーダルな構造表現を強化するためのエンドツーエンドフレームワークであるStructure-CLIPを提案する。 シーングラフを用いてセマンティックなネガティブな例の構築をガイドし、その結果、構造化された表現の学習に重点を置いている。 知識エンハンス(KEE)は、SGKを入力として活用し、構造化表現をさらに強化するために提案される。
  論文  参考訳（メタデータ） (2023-05-06T03:57:05Z)
• Cross-modal Representation Learning for Zero-shot Action Recognition [67.57406812235767]
  我々は、ゼロショット動作認識(ZSAR)のためのビデオデータとテキストラベルを共同で符号化するクロスモーダルトランスフォーマーベースのフレームワークを提案する。 我々のモデルは概念的に新しいパイプラインを使用し、視覚的表現と視覚的意味的関連をエンドツーエンドで学習する。 実験結果から,本モデルはZSARの芸術的状況に大きく改善され,UCF101,HMDB51,ActivityNetベンチマークデータセット上でトップ1の精度が向上した。
  論文  参考訳（メタデータ） (2022-05-03T17:39:27Z)
• BERT-ASC: Auxiliary-Sentence Construction for Implicit Aspect Learning in Sentiment Analysis [4.522719296659495]
  本稿ではアスペクト分類とアスペクトベース感情サブタスクに対処する統合フレームワークを提案する。 コーパスのセマンティック情報を用いて暗黙的側面のための補助文を構築する機構を導入する。 次に、BERTはアスペクト自体ではなく、この補助文に応答してアスペクト固有の表現を学ぶことを推奨する。
  論文  参考訳（メタデータ） (2022-03-22T13:12:27Z)
• Label-Free Model Evaluation with Semi-Structured Dataset Representations [78.54590197704088]
  ラベルなしモデル評価(AutoEval)は、ラベルなしテストセットでモデル精度を推定する。 画像ラベルがない場合、データセット表現に基づいて、回帰を伴うAutoEvalのモデル性能を推定する。 本稿では,AutoEvalのリッチな情報を含む回帰学習のための半構造化データセット表現を提案する。
  論文  参考訳（メタデータ） (2021-12-01T18:15:58Z)

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。