論文の概要: Does Linguistic Structure Enrichment Enhance Coherence Assessment? Not With Current Architectures

• arxiv url: http://arxiv.org/abs/2609.10893v1
• Date: Wed, 09 Sep 2026 22:53:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-09-11 23:53:35.160583
• Title: Does Linguistic Structure Enrichment Enhance Coherence Assessment? Not With Current Architectures
• Title（参考訳）: 言語構造はコヒーレンスアセスメントを強化しているか?
• Abstract要約: 統語的・修辞的な情報でテキストを豊かにすることで、一貫性の予測が向上するかどうかを検討する。 実験と分析により、付加された情報が言語モデルのアーキテクチャと構造的および構文的に相容れないため、プレーンテキストはより高い精度を達成できたことが示された。
• 参考スコア（独自算出の注目度）: 1.756239703835073
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Recent advances in large language models have transformed human-computer interaction. Despite their fluency, these models often produce texts that are grammatically correct but semantically incoherent, containing contradictions or disruptions in logical flow. This work investigates whether enriching text with syntactic and rhetorical information can improve incoherence prediction. Our experiments and analysis show that plain texts achieved higher accuracy because the added information was structurally and syntactically incompatible with the language model's architecture. Additionally, to demonstrate the practical importance of coherence assessment, we performed zero-shot experiments on a Brazilian disinformation dataset, suggesting that textual coherence can serve as a proxy for detecting misleading content. Code and models are available at https://github.com/ittozzamV/cohereclassifier.
• Abstract（参考訳）: 大規模言語モデルの最近の進歩は、人間とコンピュータの相互作用に変化をもたらした。 流布にもかかわらず、これらのモデルはしばしば文法的に正しいが意味的に不整合なテキストを生成し、論理フローにおける矛盾や破壊を含んでいる。 本研究は,構文情報と修辞情報でテキストを豊かにすることで,一貫性の予測が向上するかどうかを考察する。 実験と分析の結果,付加された情報が言語モデルのアーキテクチャと構造的・統語的に相容れないため,テキストの精度は向上した。 さらに,コヒーレンス評価の実践的重要性を示すために,ブラジルの偽情報データセットを用いてゼロショット実験を行った。 コードとモデルはhttps://github.com/ittozzamV/cohereclassifier.comで公開されている。

関連論文リスト

• Rethinking the Role of Text Complexity in Language Model Pretraining [0.19258299315493077]
  我々は,大規模な言語モデルを用いて人文テキストを単純化し,原文と簡略なデータのスクラッチから因果モデルを事前訓練し,それらを微調整,ゼロショット設定で評価する。 パープレキシティは、モデルキャパシティとテキストの複雑さの相互作用に敏感である。より小さなモデルは、単純なテキストよりもはるかに小さく、テキストの複雑さは微調整評価にはほとんど影響しない。
  論文  参考訳（メタデータ） (2025-09-20T06:33:01Z)
• Learning Interpretable Representations Leads to Semantically Faithful EEG-to-Text Generation [52.51005875755718]
  我々は脳波からテキストへの復号に焦点をあて、後部崩壊のレンズを通して幻覚の問題に対処する。 脳波とテキスト間の情報容量のミスマッチを認め、デコードタスクをコア意味のセマンティックな要約として再設計する。 パブリックなZuCoデータセットの実験では、GLIMが一貫して、流動的なEEG基底文を生成することが示されている。
  論文  参考訳（メタデータ） (2025-05-21T05:29:55Z)
• Empirical Evaluation of Embedding Models in the Context of Text Classification in Document Review in Construction Delay Disputes [6.076874513889027]
  テキスト埋め込みはテキストデータの数値表現であり、単語、フレーズ、文書全体を実数のベクトルに変換する。 本稿では,4つの異なるモデルの包括的比較分析を通じて,異なる埋め込みを評価する作業について述べる。 K-Nearest Neighbors (KNN) と Logistic Regression (LR) の両方を用いてバイナリ分類タスクを行い、特にラベル付きデータセット内でテキストスニペットが 'delay' あるいは 'not delay' に関連付けられているかどうかを判断する。
  論文  参考訳（メタデータ） (2025-01-16T22:12:11Z)
• Putting Context in Context: the Impact of Discussion Structure on Text Classification [13.15873889847739]
  本稿では,英語における姿勢検出のための大規模データセットに関する一連の実験を提案する。 異なる種類の文脈情報の寄与を評価する。 構造情報はテキスト分類には非常に有用であるが,特定の状況下でのみ有用であることを示す。
  論文  参考訳（メタデータ） (2024-02-05T12:56:22Z)
• How Well Do Text Embedding Models Understand Syntax? [50.440590035493074]
  テキスト埋め込みモデルが幅広い構文的文脈にまたがって一般化する能力は、まだ解明されていない。 その結果,既存のテキスト埋め込みモデルは,これらの構文的理解課題に十分対応していないことが明らかとなった。 多様な構文シナリオにおけるテキスト埋め込みモデルの一般化能力を高めるための戦略を提案する。
  論文  参考訳（メタデータ） (2023-11-14T08:51:00Z)
• SenteCon: Leveraging Lexicons to Learn Human-Interpretable Language Representations [51.08119762844217]
  SenteConは、深層言語表現に人間の解釈可能性を導入する方法である。 SenteConは、下流タスクにおける予測性能にほとんど、あるいは全くコストをかからない高レベルな解釈性を提供する。
  論文  参考訳（メタデータ） (2023-05-24T05:06:28Z)
• Model Criticism for Long-Form Text Generation [113.13900836015122]
  我々は,テキストの高レベル構造を評価するために,潜在空間におけるモデル批判という統計ツールを適用した。 我々は,コヒーレンス,コア,トピックスという,ハイレベルな談話の3つの代表的な側面について実験を行った。 トランスフォーマーベースの言語モデルでは、トピック構造をキャプチャできるが、構造コヒーレンスやモデリングコアスを維持するのが難しくなる。
  論文  参考訳（メタデータ） (2022-10-16T04:35:58Z)
• The Whole Truth and Nothing But the Truth: Faithful and Controllable Dialogue Response Generation with Dataflow Transduction and Constrained Decoding [65.34601470417967]
  本稿では,ニューラルネットワークモデリングとルールベース生成の強みを組み合わせた対話応答生成のためのハイブリッドアーキテクチャについて述べる。 本実験により, 本システムは, 流布性, 妥当性, 真理性の評価において, ルールベースおよび学習的アプローチの両方に優れることがわかった。
  論文  参考訳（メタデータ） (2022-09-16T09:00:49Z)
• "Let's Eat Grandma": When Punctuation Matters in Sentence Representation for Sentiment Analysis [13.873803872380229]
  我々は、句読点が感情分析において重要な役割を果たすと論じ、構文的および文脈的パフォーマンスを改善するための新しい表現モデルを提案する。 公開データセットの実験を行い、モデルが他の最先端のベースラインメソッドよりも正確に感情を識別することができることを確認します。
  論文  参考訳（メタデータ） (2020-12-10T19:07:31Z)
• Neural Deepfake Detection with Factual Structure of Text [78.30080218908849]
  テキストのディープフェイク検出のためのグラフベースモデルを提案する。 我々のアプローチは、ある文書の事実構造をエンティティグラフとして表現する。 本モデルでは,機械生成テキストと人文テキストの事実構造の違いを識別することができる。
  論文  参考訳（メタデータ） (2020-10-15T02:35:31Z)

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。