論文の概要: Classifying Dominant Temporal Orientation without Pretrained Text Embeddings: A Novel Morphosyntactic Inventory Vector Approach

• arxiv url: http://arxiv.org/abs/2609.33121v1
• Date: Sun, 27 Sep 2026 02:40:26 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-06 10:17:33.784961
• Title: Classifying Dominant Temporal Orientation without Pretrained Text Embeddings: A Novel Morphosyntactic Inventory Vector Approach
• Title（参考訳）: 先行したテキスト埋め込みを伴わない支配的時間的配向の分類:新しいモルフォシンタクティック・インベントリ・ベクターアプローチ
• Abstract要約: 文の過去、現在、または将来のグローバル参照区間を特定するための代替手法を提案する。 本研究では,部分音声数,係り受け関係数,明示的未来パターン数からなる固定長インベントリベクトルを用いて文を符号化する。 過去,現在,未来とアノテートされた1,799の構文的に複雑な英語文の評価は、バランスのとれた高精度な多クラス分類を示し、総合的な多クラス精度は92%である。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Computational methods have consistently struggled to determine the dominant temporal orientation of a sentence. This difficulty is especially pronounced when a sentence contains multiple embedded clauses with competing tense and aspectual information. To address this difficulty, we propose an alternative approach for identifying a sentence's past, present, or future global reference interval. Our method does not use any form of pretrained embeddings. We rather encode sentences using fixed-length inventory vectors that are comprised of part-of-speech counts, dependency relation counts, and explicit futurate pattern counts. We term this inventory vector of a sentence a "Morphosyntacton". The method does not use any padding, sequence models, or large language models. Evaluation on 1,799 syntactically complex English sentences, annotated as past, present or future, shows balanced and high accuracy multiclass classification, achieving an overall multi-class accuracy of 92%.
• Abstract（参考訳）: 計算手法は文の時間的方向を決定するのに一貫して苦労してきた。 この困難さは、文が競合する時制情報とアスペクト情報を含む複数の埋め込み節を含む場合、特に顕著である。 この課題に対処するために、文の過去、現在、または将来のグローバル参照区間を特定するための代替手法を提案する。 我々の方法では、事前訓練された埋め込みは一切使用しない。 我々は、音声のパート・オブ・スペル数、依存関係関係数、明示的な未来的パターン数からなる固定長のインベントリベクトルを用いて文を符号化する。 文のこの在庫ベクトルを "Morphosyntacton" と呼ぶ。 この方法は、パディング、シーケンスモデル、あるいは大きな言語モデルを使用しない。 過去,現在,未来とアノテートされた1,799の構文的に複雑な英語文の評価は、バランスのとれた高精度な多クラス分類を示し、総合的な多クラス精度は92%である。

関連論文リスト

• Lexical Substitution is not Synonym Substitution: On the Importance of Producing Contextually Relevant Word Substitutes [5.065947993017158]
  モデルに送信された文脈情報を強化するために,原文を利用した単純な拡張手法であるConCatを導入する。 本研究は,文の類似度とタスクパフォーマンスを指標とした定量的評価を含む。 また,従来手法とは対照的に,利用者が提案した代替品を優先することを示す定性的な人間分析を行った。
  論文  参考訳（メタデータ） (2025-02-06T16:05:50Z)
• On the Robustness of Text Vectorizers [9.904746542801838]
  自然言語処理では、モデルは通常第一の埋め込み層を含み、トークンの列をベクトル表現に変換する。 連続的な入力の変化に対する堅牢性はよく理解されているが、離散的な変化を考慮すると、状況は明確ではない。 我々の研究は、連結、TF-IDF、段落ベクトル(doc2vec)のような一般的な埋め込みスキームがハミング距離に関してH"older"やLipschitzの感覚において堅牢性を示すことを正式に証明している。
  論文  参考訳（メタデータ） (2023-03-09T16:37:37Z)
• Beyond Contrastive Learning: A Variational Generative Model for Multilingual Retrieval [109.62363167257664]
  本稿では,多言語テキスト埋め込み学習のための生成モデルを提案する。 我々のモデルは、$N$言語で並列データを操作する。 本手法は, 意味的類似性, ビットクストマイニング, 言語間質問検索などを含む一連のタスクに対して評価を行う。
  論文  参考訳（メタデータ） (2022-12-21T02:41:40Z)
• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• CCPrefix: Counterfactual Contrastive Prefix-Tuning for Many-Class Classification [57.62886091828512]
  多クラス分類のための新しいプレフィックスチューニング手法であるCCPrefixを提案する。 基本的に、ラベル空間における実数対から派生したインスタンス依存の軟式接頭辞は、多クラス分類における言語動詞化を補完するために利用される。
  論文  参考訳（メタデータ） (2022-11-11T03:45:59Z)
• Bypass Network for Semantics Driven Image Paragraph Captioning [12.743882133781602]
  Image paragraph paragraphingは、与えられた画像を一連の一貫性のある文で記述することを目的としている。 既存のほとんどの手法は、先行する文からトピックベクトルを動的に推論するトピック遷移を通じてコヒーレンスをモデル化する。 本稿では,先行文のセマンティクスと言語構文を個別にモデル化するバイパスネットワークを提案する。
  論文  参考訳（メタデータ） (2022-06-21T00:48:22Z)
• $k$-Neighbor Based Curriculum Sampling for Sequence Prediction [22.631763991832862]
  言語モデルにおける多段階予測は、トレーニングとテスト時間プロセスの相違により困難である。 教師方針を段階的に変更するカリキュラム学習に基づく手法であるtextitNearest-Neighbor Replacement Samplingを提案する。 本研究では, 2つの言語モデリングベンチマークについて報告し, スケジュールされたサンプリングと併用することで, 性能をさらに向上させる方法を提案する。
  論文  参考訳（メタデータ） (2021-01-22T20:07:29Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Toward Better Storylines with Sentence-Level Language Models [54.91921545103256]
  本稿では,文章中の次の文を選択する文レベル言語モデルを提案する。 教師なしストーリークローゼタスクにおける最先端の精度によるアプローチの有効性を実証する。
  論文  参考訳（メタデータ） (2020-05-11T16:54:19Z)

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。