FrameNetにおけるアナロジーを用いたセマンティックロール分類

概要：本論文では、FrameNetにおける意味役割分類に適用されるアナロジーの関係的見解を採用します。アナロジーを、フレームを喚起する語彙素（LUs）とフレーム要素（FEs）の対のデカルト積における形式的な関係として定義し、それを用いて新しいデータセットを構築します。各要素は、フレーム要素が同じ意味役割を共有する場合に有効なアナロギーのインスタンスとしてラベル付けされ、そうでない場合は無効とラベル付けされます。この定式化により、意味役割分類を二値分類へと変換し、最小限のパラメータで急速な収束を示す軽量な人工ニューラルネットワーク（ANN）を訓練することができます。慣例に反して、学習中にはニューラルネットワークに意味役割情報は導入されません。推論時には、与えられたフレーム内のすべての意味役割の候補に対する確率分布を、ランダムサンプリングとアナロジー転移を通じて計算することにより、意味役割を回復します。このアプローチにより、計算効率と経済性を維持しつつ、従来の最先端の結果を上回ることが可能になります。
返却形式: {"translated": "翻訳済みHTML"}