論文の概要: RAG-RST: Retrieved Exemplars as In-Context Discourse Schema for RST Parsing

• arxiv url: http://arxiv.org/abs/2610.22150v1
• Date: Thu, 15 Oct 2026 16:18:06 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-10-17 06:09:33.188137
• Title: RAG-RST: Retrieved Exemplars as In-Context Discourse Schema for RST Parsing
• Title（参考訳）: RAG-RST: RST構文解析のためのコンテキスト内談話スキーマとしての経験を抽出する
• Abstract要約: RST (Rhetorical Structure Theory) では、談話木の各端には核性ラベルがあり、中心的内容を持つマーキングと、機能圏の閉在庫から引き出された関係がある。 本稿では,パラメータ更新を通さずに,このスキーマをインコンテキストとして提供する検索拡張フレームワークであるRAG-RSTを提案する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: In Rhetorical Structure Theory (RST), each edge of a discourse tree carries a nuclearity label, marking which span holds the central content, and a relation drawn from a closed inventory of functional categories. Neither label is a surface property: the same two clauses can be Elaboration or Background depending on rhetorical intent, and the boundary between them is fixed by annotation convention rather than by lexical cues. Predicting these labels therefore requires a formal discourse schema, and exposure to discourse-rich pretraining text does not supply it: given only a target EDU pair, a strong LLM recovers nuclearity at 0.794 F1 and relation at 0.738 F1. We propose RAG-RST, a retrieval-augmented framework that supplies this schema as in-context demonstration rather than through parameter updates, raising nuclearity to 0.846 F1 and relation to 0.788 F1 with no training. Two configurations are compared: a precomputed strategy that labels all EDU pairs before parsing, and a dynamic strategy that retrieves at each reduce step, so that the exemplars reaching the generator depend on the reductions the parser has already committed to. Both outperform existing RST parsers across span, nuclearity, relation, and full tree metrics, with the dynamic variant consistently strongest. Two properties of the retrieved schema emerge: its utility is bounded in number, saturating and then declining beyond fifty exemplars, and it depends on structural position. Both indicate that a formal linguistic schema can be supplied to a foundation model as a demonstration rather than trained into its parameters.
• Abstract（参考訳）: RST (Rhetorical Structure Theory) では、談話木の各端には核性ラベルがあり、中心的内容を持つマーキングと、機能圏の閉在庫から引き出された関係がある。 同じ2つの節は修辞的意図に依存してエラボレーションやバックグラウンドになり得ず、それらの境界は語彙的な手がかりではなくアノテーションの慣習によって固定される。 したがって、これらのラベルを予測するには正式な談話スキーマが必要であり、談話に富んだ事前訓練テキストへの露出は供給しない: ターゲットのEDUペアだけを与えられた場合、強いLLMは0.794 F1で核性を取り戻し、0.738 F1で関係を回復する。 RAG-RSTは、パラメータ更新ではなく、このスキーマをテキスト内デモとして提供する検索拡張フレームワークであり、核度は0.846 F1に上昇し、トレーニングなしで0.788 F1に上昇する。 解析の前にすべてのEDUペアをラベル付けする事前計算された戦略と、各還元ステップで取得する動的な戦略の2つを比較して、ジェネレータに到達した例が、パーサーがすでにコミットした還元に依存するようにした。 どちらも既存のRTTパーサより優れており、スパン、核性、関係性、木全体の測定値で、動的変種は一貫して強い。 検索されたスキーマの2つの特性が出現する:その効用は数で束縛され、飽和し、50例を超えて減少し、構造的位置に依存する。 どちらも、形式的な言語スキーマは、そのパラメータに訓練されるのではなく、デモとして基礎モデルに供給できることを示している。

関連論文リスト

• SCOPE: Semantic Bounded Credit Optimization for Prompt Engineering in Text-to-image Generation [88.26268420879614]
  強化学習 (Reinforcement Learning, RL) により、凍結画像生成装置の書き直しプロンプトにより、言語モデルによるテキスト・ツー・イメージ(T2I)生成を改善することができる。 グループ相対政策最適化(GRPO)に基づく目的であるSCOPEを提案し、更新重み付けをこの構造と整合させる。 SCOPEプールは各スパン内のポリシーログ確率をシフトし、トークン損失の共有係数を導出すると同時に、各完了に対する単一優位性を保持する。
  論文  参考訳（メタデータ） (2026-10-15T17:30:28Z)
• DPH Parser: A Bottom-Up Grammar-Driven Parser for Joint Constituency and Dependency Analysis [0.0]
  本稿では,HPSG (Generalized Phrase Structure Grammar) とHPSG (Head-driven Phrase Structure Grammar) にインスパイアされた文法駆動型ボトムアップ非重畳構文解析フレームワークを提案する。 このシステムは確率的POSコーパスタグ付け、フレーズ投影、重み付け仮説を組み合わせて、現実的で部分的にノイズのあるテキスト入力を処理する。 現在のシステムは、現代のニューラルネットワークの精度にはまだアプローチしていないが、この結果は、ツリーバンクデータに透過的なルールベースのボトムアップ解析を適用する可能性を示している。
  論文  参考訳（メタデータ） (2026-09-05T12:58:58Z)
• GrOIL: Graph-Grounded Domain Ontology Induction with Constrained LLM Mediation [1.029029220360574]
  ドメイン文書を制約のない生成ステップなしで完全なWeb Ontology Language (OWL) Terminological Box (TBox)に変換する7段階のグラフ基底パイプラインを提案する。 オントロジー成長分析は、大規模な語彙飽和と一致する証拠を提供し、パイプラインが大きなドキュメントコーパスから安定で再利用可能なドメイン表現を生成することを示す。
  論文  参考訳（メタデータ） (2026-08-22T23:15:47Z)
• 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)
• A Reproducible Universal Dependencies-Style Pipeline for Katharevousa Greek Parliamentary Text [0.0]
  我々は、ギリシャのジュンタ時代初期のカサレヴサ議会の質問に対して、普遍的な依存関係スタイルの構文解析資源を構築し、評価する。 パイプラインは、OCR対応の再構築、スキーマ制約付きLCMアシストアノテーション、自動検証、決定論的CoNLL-Uスナップショット、固定分割評価、モデル系列比較をリンクする。 最強の外部ベースラインであるスパチェ・ギリシャは、0.4183 LASに達する。 本論文は,歴史的に困難なOCRを再利用可能な統語基盤に変えるための監査可能な方法論を提示する。
  論文  参考訳（メタデータ） (2026-05-21T19:16:20Z)
• Synthetic bootstrapped pretraining [52.92577542049469]
  本稿では,SBP(Synthetic Bootstrapped Pretraining)について述べる。 SBPはまず、事前学習データセットから文書間の関係のモデルを学び、次にそれを利用して巨大な新しいコーパスを合成する。 SBPは高い繰り返しベースラインを継続的に改善し、オラクル上界で達成可能な性能改善のかなりの部分を提供する。
  論文  参考訳（メタデータ） (2025-09-17T22:28:27Z)
• 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)
• Semantic Role Labeling Meets Definition Modeling: Using Natural Language to Describe Predicate-Argument Structures [104.32063681736349]
  本稿では,離散ラベルの代わりに自然言語定義を用いて述語-代名詞構造を記述する手法を提案する。 PropBankスタイルおよびFrameNetスタイル、依存性ベースおよびスパンベースSRLに関する実験と分析は、解釈可能な出力を持つフレキシブルモデルが必ずしも性能を犠牲にしないことを示す。
  論文  参考訳（メタデータ） (2022-12-02T11:19:16Z)

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。