論文の概要: The Multilingual FrameNet Corpus

• arxiv url: http://arxiv.org/abs/2608.23037v1
• Date: Mon, 24 Aug 2026 09:38:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 13:29:44.01531
• Title: The Multilingual FrameNet Corpus
• Title（参考訳）: 多言語FrameNetコーパス
• Abstract要約: 本稿では,既存の言語固有のコーパスを収集・調和させることにより,英語バークレー・フレームネット・コーパスを拡張する新しいリソースであるMultilingual FrameNet Corpus(mFNC)を紹介する。 mFNCの異なるアーキテクチャに依存するモデルをトレーニングすることで、私たちはマルチリンガルとクロスリンガルの両方の設定において、既存の最先端のフレームセマンティックを一貫して上回ります。
• 参考スコア（独自算出の注目度）: 9.305772674288411
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper introduces the Multilingual FrameNet Corpus (mFNC), a novel resource that extends the English Berkeley FrameNet corpus by collecting and harmonizing existing language-specific corpora across nine additional languages: Brazilian Portuguese, Chinese, Dutch, French, German, Italian, Korean, Latvian and Swedish. By training models that rely on different architectures on the mFNC, we consistently outperform existing state-of-the-art Frame Semantic Parsers in both multilingual and cross-lingual settings, underscoring the importance of multilingual training data. The mFNC and our trained FSP models are openly available at https://github.com/beatrice-f/mFNC.
• Abstract（参考訳）: 本稿では、ブラジルポルトガル語、中国語、オランダ語、フランス語、ドイツ語、イタリア語、韓国語、ラトビア語、スウェーデン語という9つの言語にまたがる既存の言語固有のコーパスを収集し調和させることにより、英語バークレー・フレームネットコーパスを拡張した新しいリソースであるMFNCを紹介する。 mFNCの異なるアーキテクチャに依存するモデルをトレーニングすることで、我々は既存の最先端のフレームセマンティックパーサを多言語とクロスランガルの両方で一貫して上回り、マルチランガルトレーニングデータの重要性を強調します。 mFNCとトレーニング済みのFSPモデルはhttps://github.com/beatrice-f/mFNCで公開されています。

関連論文リスト

• XDoGE: Multilingual Data Reweighting to Enhance Language Inclusivity in LLMs [41.71907186207218]
  現在の大規模言語モデル(LLM)は、主にいくつかの支配的な言語から大量のテキストデータに基づいて訓練されている。 ドメイン依存型DoGEアルゴリズムにおいて,小さなプロキシモデルをトレーニングすることにより,言語分布の最適化を提案する。 次に、データを再スケールし、確立された言語重み付けで、スクラッチから、または連続的な事前学習フェーズ内でフルサイズのモデルをトレーニングします。
  論文  参考訳（メタデータ） (2025-12-11T11:22:53Z)
• CroissantLLM: A Truly Bilingual French-English Language Model [42.03897426049679]
  英語とフランス語のトークンセットを事前訓練した1.3B言語モデルであるCroissantLLMを紹介する。 我々は、英語とフランス語の事前学習データ比率1:1で、本質的なバイリンガルモデルを訓練するアプローチを開拓した。 英語以外のパフォーマンスを評価するため、新しいベンチマークである FrenchBench を作成します。
  論文  参考訳（メタデータ） (2024-02-01T17:17:55Z)
• Large Multilingual Models Pivot Zero-Shot Multimodal Learning across Languages [76.35234803589412]
  MPMは、英語以外の言語で大規模なマルチモーダルモデルを訓練するための効果的な訓練パラダイムである。 画像・テキスト・テキスト・画像生成における大規模なマルチモーダルモデルVisCPMを構築し,中国語の最先端(オープンソース)性能を実現する。
  論文  参考訳（メタデータ） (2023-08-23T09:55:41Z)
• Generalizing Multimodal Pre-training into Multilingual via Language Acquisition [54.69707237195554]
  英語のVision-Language Pre-Trainingは、様々な下流タスクで大きな成功を収めた。 この成功を英語以外の言語に一般化するために、Multilingual Vision-Language Pre-Trainingを通じていくつかの取り組みがなされている。 単言語視覚言語事前学習モデルを多言語に容易に一般化できるtextbfMultitextbfLingual textbfAcquisition (MLA) フレームワークを提案する。
  論文  参考訳（メタデータ） (2022-05-29T08:53:22Z)
• Breaking Down Multilingual Machine Translation [74.24795388967907]
  マルチ言語学習は一般にエンコーダにとって有益であるが,ローソース言語(LRL)ではデコーダにのみ有益であることを示す。 LRLの多言語モデルと一対多モデルは、Aharoniらによって報告された最良の結果よりも優れています。
  論文  参考訳（メタデータ） (2021-10-15T14:57:12Z)
• Cross-lingual Transferring of Pre-trained Contextualized Language Models [73.97131976850424]
  本稿では,PRLMのための新しい言語間モデル転送フレームワークTreLMを提案する。 シンボルの順序と言語間のシーケンス長の差に対処するため,中間的なTRILayer構造を提案する。 提案手法は,スクラッチから学習した言語モデルに対して,性能と効率の両面で,限られたデータで著しく優れることを示す。
  論文  参考訳（メタデータ） (2021-07-27T06:51:13Z)
• Learning Language Specific Sub-network for Multilingual Machine Translation [15.44119901665185]
  単一統一多言語MTモデルを共同で訓練するLaSSを提案する。 IWSLTとWMTデータセットの実験では、LaSSは最大1.2BLEUで36言語対のゲインを得る。 LaSSは、30言語対で平均8.3BLEUでゼロショット翻訳を促進する。
  論文  参考訳（メタデータ） (2021-05-19T17:08:38Z)
• Continual Mixed-Language Pre-Training for Extremely Low-Resource Neural Machine Translation [53.22775597051498]
  我々は,mbart を未熟な言語に効果的に適用するための,継続的な事前学習フレームワークを提案する。 その結果,mBARTベースラインの微調整性能を一貫して改善できることが示された。 私たちのアプローチは、両方の言語が元のmBARTの事前トレーニングで見られる翻訳ペアのパフォーマンスを高めます。
  論文  参考訳（メタデータ） (2021-05-09T14:49:07Z)
• UC2: Universal Cross-lingual Cross-modal Vision-and-Language Pre-training [52.852163987208826]
  UC2は、言語間クロスモーダル表現学習のための最初の機械翻訳拡張フレームワークである。 Masked Region-token Modeling (MRTM) と Visual Translation Language Modeling (VTLM) の2つの新しいプリトレーニングタスクを提案する。 提案手法は,英語タスクにおける単言語学習モデルと同等の性能を維持しつつ,多種多様な非英語ベンチマークで新たな最先端を実現する。
  論文  参考訳（メタデータ） (2021-04-01T08:30:53Z)

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。