論文の概要: Syntactic Patterns and Stylistic Functions in Narrative Prose: A Rule-Based and Machine-Learning Approach
- arxiv url: http://arxiv.org/abs/2609.07651v1
- Date: Mon, 07 Sep 2026 15:39:53 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-09-11 21:26:26.591557
- Title: Syntactic Patterns and Stylistic Functions in Narrative Prose: A Rule-Based and Machine-Learning Approach
- Title（参考訳）: ナラティブ・プロセプションにおける構文パターンとスティリスティック機能--ルールベースおよびマシンラーニングアプローチ
- Abstract要約: 本稿では,物語文の構文構造と文体機能とを関連付ける,小規模な定量的実験について述べる。
規則に基づく手法を用いて5つのカテゴリーにまたがる文レベルラベルを導出する。
最高の性能モデルは10倍のクロスバリデーションの下で0.948のマクロF1を達成する。
- 参考スコア（独自算出の注目度）: 0.0
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents a small-scale quantitative experiment that links syntactic structure to stylistic functions in narrative prose. Starting from a dependency-parsed corpus of 3,300 sentences, we derive sentence-level stylistic labels across five categories --- descriptive, introspective, causal, ideological, and neutral --- using a transparent rule-based procedure that inspects lemmas, universal part-of-speech tags, and syntactic relations. For each sentence we construct a compact representation of its syntactic profile as a sequence of linearised triples combining lemma, POS tag, and dependency relation. These patterns serve as input to standard machine-learning classifiers trained to predict sentence-level style. The best-performing model achieves a macro-F1 of 0.948 under 10-fold cross-validation. The experiment is implemented entirely in Python using open-source tools. Our goal is not to propose a fully fledged stylistic theory, but to offer a reproducible and extensible workflow for exploring how grammatical structure contributes to narrative interpretation.
- Abstract（参考訳）: 本稿では,物語文の構文構造と文体機能とを関連付ける,小規模な定量的実験について述べる。
3300の文からなる依存パーシングコーパスから始まり、レムマ、普遍的な音声タグ、構文関係を検査する透明な規則に基づく手続きを用いて、5つのカテゴリ(記述的、内省的、因果的、イデオロギー的、中立的)にわたる文レベルのスタイリスティックなラベルを導出する。
各文に対して、補題、POSタグ、依存関係を組み合わせた線形化三重項列として、構文プロファイルのコンパクト表現を構築する。
これらのパターンは、文レベルのスタイルを予測するために訓練された標準の機械学習分類器への入力として機能する。
最高の性能モデルは10倍のクロスバリデーションの下で0.948のマクロF1を達成する。
この実験はオープンソースツールを使ってPythonで完全に実装されている。
我々のゴールは、完全に発達した様式論ではなく、文法構造が物語解釈にどのように貢献するかを探求するための再現可能で拡張可能なワークフローを提供することである。
関連論文リスト
- Bangla Sentence Function Classification: Corpus Development, Model Benchmarking, and Interpretability [0.15635627702544694]
本稿では,手動で4つの機能カテゴリにアノテートした1万のBangla文のコーパスを紹介する。
我々はBag-of-Words (BoW)、TF-IDF、Word2Vecなどの複数の特徴表現を評価した。
実験の結果,TF-IDFはWord2Vecより一貫して優れていた。
論文 参考訳（メタデータ） (2026-09-12T10:45:24Z) - Sentence Splitter: Uncovering Latent Factual Structure for Self-Supervised Learning [0.0]
Sentence SplitterはT5ベースのエンコーダ-デコーダアーキテクチャ上に構築された自己教師型フレームワークである。
提案手法は,プレフィックス(頭)と実際の完了(尾)のセマンティック境界を同定する。
構造化テキストと自然発生テキストの両方の実験では、提案されたスプリッターが合成テンプレートを超えて一般化されることが示されている。
論文 参考訳（メタデータ） (2026-07-22T07:30:39Z) - Weave of Formal Thought [51.56484100374058]
WoFT(Weave of Formal Thought)は、厳密な構文的検証と学習された構造的表現を結合したパラダイムである。
本稿では,非終端文法記号を直接生成にインターリーブするために,言語モデルを訓練する潜時可変微調整法を提案する。
Pythonでは、RWS目的のStarCoder2-3Bを微調整することで、テキストのみのSFTベースラインと比較して、トーケン毎のクロスエントロピーが14.3%削減される。
論文 参考訳（メタデータ） (2026-06-24T15:58:11Z) - Verified Language Processing with Hybrid Explainability: A Technical Report [0.7066382982173529]
この問題に対処するために,ハイブリッドな説明責任を設計した新しいパイプラインを提案する。
我々の手法はグラフと論理を組み合わせて一階述語論理表現を生成し、モンタギュー文法を通して機械的・人間的可読表現を生成する。
予備的な結果は,本手法が全文類似性を捉える上での有効性を示している。
論文 参考訳（メタデータ） (2025-07-07T14:00:05Z) - CAST: Corpus-Aware Self-similarity Enhanced Topic modelling [16.562349140796115]
CAST: Corpus-Aware Self-similarity Enhanced Topic modelling, a novel topic modelling methodを紹介する。
機能的単語が候補話題語として振る舞うのを防ぐための効果的な指標として自己相似性を見出した。
提案手法は,生成したトピックの一貫性と多様性,およびノイズの多いデータを扱うトピックモデルの能力を大幅に向上させる。
論文 参考訳（メタデータ） (2024-10-19T15:27:11Z) - Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics
Interface of LMs Through Agentivity [68.8204255655161]
このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。
これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
論文 参考訳（メタデータ） (2023-05-29T16:24:01Z) - Towards Unsupervised Recognition of Token-level Semantic Differences in
Related Documents [61.63208012250885]
意味的差異をトークンレベルの回帰タスクとして認識する。
マスク付き言語モデルに依存する3つの教師なしアプローチについて検討する。
その結果,単語アライメントと文レベルのコントラスト学習に基づくアプローチは,ゴールドラベルと強い相関関係があることが示唆された。
論文 参考訳（メタデータ） (2023-05-22T17:58:04Z) - 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) - Syntactic representation learning for neural network based TTS with
syntactic parse tree traversal [49.05471750563229]
本稿では,構文解析木に基づく構文表現学習手法を提案し,構文構造情報を自動的に活用する。
実験の結果,提案手法の有効性が示された。
複数の構文解析木を持つ文では、合成音声から韻律的差異が明確に認識される。
論文 参考訳（メタデータ） (2020-12-13T05:52:07Z) - Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。
抽出した要約タスクを意味テキストマッチング問題として定式化する。
我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文 参考訳（メタデータ） (2020-04-19T08:27:57Z)
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。