論文の概要: Operationalizing Linguistic Methods through Prompt-Engineering Skills: An Automatic Chinese Web Neologism Detection Pipeline
- arxiv url: http://arxiv.org/abs/2606.08715v1
- Date: Sun, 07 Jun 2026 16:13:06 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-06-09 14:42:06.408427
- Title: Operationalizing Linguistic Methods through Prompt-Engineering Skills: An Automatic Chinese Web Neologism Detection Pipeline
- Title（参考訳）: プロンプトエンジニアリングスキルによる言語学的手法の運用:中国における自動Webネオロジズム検出パイプライン
- Authors: Yufeng Wu, Meichun Liu,
- Abstract要約: 本稿では,従来の言語識別の原則を即興技術として活用する,中国のWebネオロジズムの自動検出手法を提案する。
本手法は, トークン化非依存文字n-gram候補生成, ポイントワイド相互情報前フィルタによる辞書アンカー, 中国語の単語形成原理に基づく整形スキル, ネオロジズム, エンティティ, および何も区別しない複合的なルールと3方向分類スキルの4段階からなる。
- 参考スコア（独自算出の注目度）: 2.3756658891009055
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: We present a method for automatic Chinese web neologism detection that operationalizes traditional linguistic identification principles as prompt-engineering skills. The method has four stages: tokenizer-independent character n-gram candidate generation; dictionary anchoring with a Pointwise Mutual Information pre-filter; a well-formedness skill based on Chinese word-formation principles; and a combined rule and three-way classification skill that distinguishes neologism, entity, and none. Applied to the BAAI CCI 3.0 corpus (267M documents), the method produces 226,959 classified candidates including 4,853 labeled neologisms. To evaluate the method, we develop a per-stage conditional recall decomposition in which the pipeline's strict recall factors mathematically into the product of stage conditional recalls. Applied to Hou (2023) (4,199 entries), the decomposition exposes Stage 1 candidate coverage and Stage 4B LLM semantic judgment as the two bottlenecks (R=41.5% and 60.0% respectively), while intermediate stages are near-lossless. A length-stratified analysis further reveals that the structural well-formedness skill is length-invariant (>= 96.9%) whereas the semantic novelty-classification skill is length-dependent (65.6%/59.0%/44.1% across 2/3/4-character candidates), mapping a current boundary of skill-based linguistic operationalization. We release the method, pipeline outputs, and evaluation protocol as public resources.
- Abstract（参考訳）: 本稿では,従来の言語識別の原則を即興技術として活用する,中国のWebネオロジズムの自動検出手法を提案する。
本手法は, トークン化非依存文字n-gram候補生成, ポイントワイド相互情報前フィルタによる辞書アンカー, 中国語の単語形成原理に基づく整形スキル, ネオロジズム, エンティティ, および何も区別しない複合的なルールと3方向分類スキルの4段階からなる。
BAAI CCI 3.0コーパス(267万件の文書)に適用されたこの手法は,4,853のラベル付き新生学を含む226,959の分類候補を生成する。
本手法を評価するために,パイプラインの厳密なリコール要因を数学的に段階的リコールの積に分解する条件付きリコール分解法を開発した。
Hou (2023) (4,199エントリ) に適用すると、分解はステージ1候補カバレッジとステージ4B LLMセマンティック判断を2つのボトルネック(それぞれR=41.5%と60.0%)として公開し、中間段階はロスレスに近い。
長さ階層化分析により、構造的整形性スキルは長さ不変(>=96.9%)であるのに対し、セマンティックノベルティ分類スキルは長さ依存(65.6%/59.0%/44.1%)であり、2/3/4-キャラクタ候補間の距離依存(65.6%/59.0%/44.1%)であり、スキルベースの言語操作の現在の境界をマッピングする。
提案手法,パイプライン出力,評価プロトコルを公開リソースとしてリリースする。
関連論文リスト
- An NLP-Driven Framework for Curriculum-Labor Market Alignment: Schema-Constrained LLM Extraction, ESCO-Anchored Semantic Matching, and Multi-Dimensional Gap Quantification [1.2690075195132626]
既存のパイプラインは、暗黙の能力を取り戻すことができない語彙曲面法に依存している。
本稿では,フロンティア強化7スロット形式を組み込んだ4段階NLPフレームワークを提案する。
このフレームワークは、高等教育品質保証における重要な応用のためにインスタンス化されている。
論文 参考訳（メタデータ） (2026-06-01T09:44:37Z) - From 124 Million Tokens to 1,021 Neologisms: A Large-Scale Pipeline for Automatic Neologism Detection [1.8429656136522097]
自動ネオロジズム検出のためのスケーラブルなモジュールパイプラインを提案する。
パイプラインは英語のReddit投稿5億2700万でインスタンス化されている。
124.6万個のユニークなトークンを抽出し、99.99%以上削減して1,021のネオロジズム候補を生成する。
論文 参考訳（メタデータ） (2026-05-07T15:32:56Z) - WESR: Scaling and Evaluating Word-level Event-Speech Recognition [59.21814194620928]
音声は言語情報だけでなく、笑ったり泣いたりするような豊富な非言語的な音声イベントも伝達する。
我々は,21の発声イベントの分類を改良し,個別(スタンドアローン)と連続(音声と混合)に分類した。
改良された分類法に基づくWESR-Benchは,新しい位置認識プロトコルを備えた専門家アノテート評価セット(900以上の発話)である。
論文 参考訳（メタデータ） (2026-01-08T02:23:21Z) - A large-scale, unsupervised pipeline for automatic corpus annotation using LLMs: variation and change in the English consider construction [0.0]
大規模言語モデル(LLM)を用いた語彙コーパスにおける文法アノテーションの自動化のためのスケーラブルで教師なしパイプラインを提案する。
提案手法では,4段階のワークフロー,即時エンジニアリング,事前評価,自動バッチ処理,ポストホック検証を用いる。
GPT-5をOpenAI API経由で使用し,過去アメリカ英語コーパス(COHA)の143,933文を60時間以内で注釈し,2つの高度なアノテーション手順において98%以上の精度を達成した。
論文 参考訳（メタデータ） (2025-10-14T09:06:14Z) - Incorporating Contextual Paralinguistic Understanding in Large Speech-Language Models [19.864555505996112]
本研究では,文脈パラ言語情報をモデル学習に組み込む2つの手法を提案する。
我々の暗黙的手法は、人間の注釈付きQAベンチマークでパフォーマンス(LLM-judged)を38.41%向上させ、明示的なアプローチと組み合わせると46.02%に達した。
論文 参考訳（メタデータ） (2025-08-10T10:03:30Z) - SLRTP2025 Sign Language Production Challenge: Methodology, Results, and Future Work [87.9341538630949]
第1回手話生産チャレンジはCVPR 2025で第3回SLRTPワークショップの一環として開催された。
コンペティションの目的は、音声言語文からスケルトンポーズのシーケンスに変換するアーキテクチャを評価することである。
本稿では,挑戦設計と入賞方法について述べる。
論文 参考訳（メタデータ） (2025-08-09T11:57:33Z) - Mario at EXIST 2025: A Simple Gateway to Effective Multilingual Sexism Detection [8.40042895828361]
EXIST 2025 Task 1は、Llama 3.1 8Bの階層的低ランク適応(LoRA)を通じて、英語とスペイン語のツイートでテキストベースの性差別を検出する。
本手法では,3つの階層的なサブタスク間の依存関係を明示的にモデル化する条件付きアダプタルーティングを導入する。
提案手法は,トレーニング時間を75%削減し,モデルストレージを98%削減すると同時に,すべてのサブタスクで競合性能を実現する。
論文 参考訳（メタデータ） (2025-07-15T05:30:32Z) - IXA/Cogcomp at SemEval-2023 Task 2: Context-enriched Multilingual Named
Entity Recognition using Knowledge Bases [53.054598423181844]
3つのステップからなる新しいNERカスケードアプローチを提案する。
我々は、細粒度および新興物質を正確に分類する上で、外部知識基盤の重要性を実証的に示す。
本システムは,低リソース言語設定においても,マルチコネラ2共有タスクにおいて頑健な性能を示す。
論文 参考訳（メタデータ） (2023-04-20T20:30:34Z) - Robust Cross-lingual Embeddings from Parallel Sentences [65.85468628136927]
本稿では,文整合コーパスを利用して頑健な言語間単語表現を実現するCBOW手法のバイリンガル拡張を提案する。
提案手法は,他のすべての手法と比較して,言語間文検索性能を著しく向上させる。
また、ゼロショットのクロスランガル文書分類タスクにおいて、ディープRNN法と同等性を実現する。
論文 参考訳（メタデータ） (2019-12-28T16:18:33Z)
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。