論文の概要: Non-binary bottom-up constituency parsing without arity actions

• arxiv url: http://arxiv.org/abs/2607.10591v1
• Date: Sun, 12 Jul 2026 06:07:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-07-14 15:40:48.475448
• Title: Non-binary bottom-up constituency parsing without arity actions
• Title（参考訳）: アリティ動作のない非二項ボトムアップ選挙区解析
• Abstract要約: このアリティパラメータは、必須の遷移プリミティブではないことを示す。 予測されたアリティプロファイルは,ゴールドツリーバンクに近いままであり,アリティ動作の除去時に高アリティ成分が崩壊しないことを示す。
• 参考スコア（独自算出の注目度）: 8.373441227262644
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Non-binary bottom-up constituency parsing is usually taken to require arity actions: reductions such as \(\textsc{Reduce-}X\#k\) specify both the mother label and the number of children to be composed. We show that this arity parameter is not a necessary transition primitive. Our parser introduces constituent labels separately and recovers reduction spans from delimiter-bounded stack configurations. In a well-formed reduction configuration, arity is uniquely determined by the active delimiter and the label marker, making it a derived property of parser state rather than an action label. This factorization removes label--arity-specific reduce actions while preserving direct construction of original non-binary trees. Experiments on PTB and CTB show that the delimiter-guided parser remains competitive with an arity-specific bottom-up baseline under the same implementation framework, with substantially smaller action inventories. Analyses further show that its predicted arity profile remains close to the gold treebanks and that high-arity constituents do not collapse when arity actions are removed.
• Abstract（参考訳）: 非バイナリボトムアップ選挙区パーシングは通常、arityアクションを必要とする。 \(\textsc{Reduce-}X\#k\) のような還元は、マザーラベルと、合成される子供の数の両方を指定する。 このアリティパラメータは、必須の遷移プリミティブではないことを示す。 我々のパーザでは,構成ラベルを別々に導入し,デリミタバウンドスタック構成からリダクションスパンを復元する。 良好な形状の縮小構成では、アリティはアクティブデリミタとラベルマーカーによって一意に決定され、アクションラベルよりもパーサ状態の導出特性となる。 この因子化は、もともとの非二分木を直接構築したまま、ラベル-アリティ特異的な還元作用を除去する。 PTB と CTB の実験では、デリミタ誘導パーサーは、同じ実装フレームワークの下でアリティ固有のボトムアップベースラインと競合し続けており、アクションインベントリはかなり小さい。 分析により、そのアリティプロファイルはゴールドツリーバンクに近いままであり、アリティアクションを除去しても高アリティ成分は崩壊しないことが示された。

関連論文リスト

• A Symmetric Layer-Union Audit of Component Collapse in Hierarchical Procedural Corpora [0.0]
  コンポーネント非結合の漏洩制御は、コンテンツ類似性、階層的メンバシップ、あるいはその両方でコーパス単位をグループ化することができる。 Guvenilir氏とDogan氏は以前、マージ関係型は分割を妨げる巨大なコンポーネントを作ることができることを示した。 本研究では,6つの階層的手続きコーパスの固定パネルにおいて,コンテント近傍の二重層,共通コンテナ層,およびそれらの結合の対称監査を通して検討した。
  論文  参考訳（メタデータ） (2026-08-09T20:13:17Z)
• Every Component is a Lookup: Token Attribution and Composition from a Single Decomposition [1.3290717106567922]
  We exploit a shared key-value template $(S)U$ to developing Unpack, a backward recursion that decomposes credit through both sublayers。 GPT-2では、Wang et al. (2023) によって記述された3つの合成接続をすべて復元し、各接続のモード固有のルーティングを含む。 160Mから6.9Bまでのピキア族全体において、この抑制パターンはあらゆるスケールで一貫して回復される。
  論文  参考訳（メタデータ） (2026-05-22T09:03:01Z)
• BPC-Net: Annotation-Free Skin Lesion Segmentation via Boundary Probability Calibration [15.992042021607643]
  アノテーションのない皮膚病変セグメンテーションのための境界確率校正フレームワークであるBPC-Netを提案する。 提案手法は, マクロ平均Dice係数と Jaccard index の85.80% と76.97% に到達し, 教師なし手法の最先端性能を実現する。
  論文  参考訳（メタデータ） (2026-04-07T08:43:34Z)
• PLESS: Pseudo-Label Enhancement with Spreading Scribbles for Weakly Supervised Segmentation [5.862480696321742]
  スクリブルアノテーションによる弱教師付き学習では、小さなピクセルのサブセット上のセグメンテーションラベルを示すために、スパースユーザ描画ストロークを使用する。 医用画像セグメンテーションにおける近年のスクリブルベースアプローチは、擬似ラベルベーストレーニングを用いたこの制限に対処する。 信頼性と空間的整合性を改善する汎用的な擬似ラベル拡張戦略であるPLESSを提案する。
  論文  参考訳（メタデータ） (2026-02-12T06:24:05Z)
• STRAP: Structured Object Affordance Segmentation with Point Supervision [20.56373848741831]
  本研究では,探索されていない二重親和性-空間親和性とラベル親和性を相乗的に受け継いだ,点監督による割当セグメンテーションについて検討する。 新しいドメインのラベルを効果的にデジタイズすることで、ラベル関係を強化する高密度な予測ネットワークを考案する。 実験では,本手法をCAD120データセット上でベンチマークし,従来の手法に比べて大きな性能向上を示した。
  論文  参考訳（メタデータ） (2023-04-17T17:59:49Z)
• Ambiguity-Resistant Semi-Supervised Learning for Dense Object Detection [98.66771688028426]
  本研究では,一段階検出器のためのAmbiguity-Resistant Semi-supervised Learning (ARSL)を提案する。 擬似ラベルの分類とローカライズ品質を定量化するために,JCE(Joint-Confidence Estimation)を提案する。 ARSLは、曖昧さを効果的に軽減し、MS COCOおよびPASCALVOC上で最先端のSSOD性能を達成する。
  論文  参考訳（メタデータ） (2023-03-27T07:46:58Z)
• Cascading and Direct Approaches to Unsupervised Constituency Parsing on Spoken Sentences [67.37544997614646]
  本研究は,教師なし音声補聴における最初の研究である。 目的は, 音声文の階層的構文構造を, 選挙区解析木の形で決定することである。 正確なセグメンテーションだけでは、音声文を正確に解析するのに十分であることを示す。
  論文  参考訳（メタデータ） (2023-03-15T17:57:22Z)
• Fully and Weakly Supervised Referring Expression Segmentation with End-to-End Learning [50.40482222266927]
  Referring Expression(RES)は、与えられた言語表現に従ってターゲットをローカライズし、セグメンテーションすることを目的としている。 そこで我々は,カーネル分割パイプラインを並列に構築し,より分離し,局所化とセグメント化のステップと相互作用する。 我々の手法は単純だが驚くほど効果的であり、完全に教師された設定と弱い設定において、従来の最先端のRES手法よりも優れている。
  論文  参考訳（メタデータ） (2022-12-17T08:29:33Z)
• Inducing and Using Alignments for Transition-based AMR Parsing [51.35194383275297]
  複雑なパイプラインに依存することなくノード間アライメントを学習するAMRのためのニューラルアライメント器を提案する。 我々は,AMR3.0のビームサーチを必要とせず,銀のトレーニングされた性能に適合する,金のみのトレーニングモデルのための新しい最先端技術を得た。
  論文  参考訳（メタデータ） (2022-05-03T12:58:36Z)
• Tree Energy Loss: Towards Sparsely Annotated Semantic Segmentation [141.16965264264195]
  Sparsely Annotated semantic segmentation (SASS) は、粗い粒度の監督によるセグメンテーションネットワークのトレーニングを目的としている。 ラベルなし画素のセマンティックガイダンスを提供することにより,SASSの新たなツリーエネルギー損失を提案する。
  論文  参考訳（メタデータ） (2022-03-21T05:16:23Z)
• Unsupervised Full Constituency Parsing with Neighboring Distribution Divergence [48.69930912510414]
  本稿では,最近導入されたメトリクスの特性を利用して,教師なしかつトレーニング不要なラベル付け手法を提案する。 実装のために,NDD を Dual POS-NDD に実装し,文中の構成要素とそのラベルを検出する "モールド" を構築する。 DP-NDDは, 構成成分を正確にラベル付けするだけでなく, より単純なルールを持つ従来手法よりも, より正確なラベル付き選挙区木を誘導することを示す。
  論文  参考訳（メタデータ） (2021-10-29T17:27:34Z)

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。