@进料{jin-schuler-2020接地,title=“带图像的接地{PCFG}感应”,author=“Jin、Lifeng和威廉·舒勒”,editor=“Wong、Kam-Fai和奈特、凯文和吴华“,booktitle=“计算语言学协会亚太分会第一届会议暨第十届国际自然语言处理联合会议论文集”,月=12月,年=“2020”,address=“中国苏州”,publisher=“计算语言学协会”,url=“https://aclantology.org/2020.aacl-main.42”,pages=“396--408”,抽象=“最近在无监督句法分析方面的工作试图将视觉信息纳入学习,但结果表明,这些模型需要语言偏见来与只依赖文本的模型竞争。这项工作提出了语法归纳模型,该模型使用图像中的视觉信息进行标记句法分析,并取得了最先进的结果n对几种语言进行扎根的语法归纳。结果表明,视觉信息在高频词分布更广的语言中尤其有用。有视觉信息和无视觉信息的模型之间的比较表明,扎根模型能够利用视觉信息提出名词短语,从图像中收集未知单词的有用信息,并在介词短语连接预测方面取得更好的性能。",}
<?xml version=“1.0”encoding=“UTF-8”?><modsCollection xmlns=“http://www.loc.gov/mods/v3"><mods ID=“jin-schuler-2020接地”><标题信息>带图像的接地PCFG感应</titleInfo><name type=“personal”>Lifeng有限公司Jin(金)<角色>作者</角色></name><name type=“personal”>威廉舒勒<角色>作者</角色></name><originInfo><发布日期>2020-12</发布日期></originInfo><typeOfResource>文本<relatedItem type=“主机”><标题信息>计算语言学协会亚太分会第一届会议记录和第十届国际自然语言处理联合会议记录</titleInfo><name type=“personal”><namePart type=“given”>Kam-Fai</namePart>黄<namePart type=“family”><角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”><namePart type=“给定”>Kevin</namePart>骑士<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><name type=“personal”>华<namePart type=“given”>吴<角色><roleTerm authority=“marcorrator”type=“text”>编辑器</roleTerm></角色></name><originInfo>计算语言学协会<位置>中国苏州</place></originInfo>会议出版物</relatedItem>最近在无监督句法分析方面的工作试图将视觉信息融入到学习中,但结果表明,这些模型需要语言偏见来与只依赖文本的模型竞争。这项工作提出了语法归纳模型,该模型使用图像中的视觉信息进行标记解析,并在几种语言的基础语法归纳上取得了最先进的结果。结果表明,视觉信息在高频词分布更广的语言中尤其有用。有视觉信息和无视觉信息的模型之间的比较表明,扎根模型能够利用视觉信息提出名词短语,从图像中收集未知单词的有用信息,并在介词短语连接预测方面取得更好的性能</摘要>jin-schuler-2020接地<位置><网址>https://aclantology.org/2020.aacl-main.42</url></位置><部分>2020-12年<日期><扩展单元=“page”><开始>396408</范围></部分></mods></modsCollection>
%0会议记录%带图像的T接地PCFG感应%阿金、李峰%威廉·舒勒%黄,金飞%凯文·奈特%Y Wu、Hua%计算语言学协会亚太分会第一届会议和第十届国际自然语言处理联合会议记录%D 2020年%12月8日%计算语言学协会%C中国苏州%F jin-schuler-2020接地%X最近在无监督句法分析方面的工作试图将视觉信息融入到学习中,但结果表明,这些模型需要语言偏见来与只依赖文本的模型竞争。本文提出了语法归纳模型,该模型使用图像中的视觉信息进行标记解析,并在几种语言的基础语法归纳方面取得了最新的结果。结果表明,视觉信息在高频词分布更广的语言中尤其有用。有视觉信息和无视觉信息的模型的比较表明,扎根模型能够利用视觉信息提出名词短语,从图像中为未知单词收集有用信息,并在介词短语连接预测方面取得更好的性能。%U型https://aclantology.org/2020.aacl-main.42%电话396-408
降价(非正式)
[带图像的接地PCFG感应](https://aclantology.org/2020.aacl-main.42)(Jin&Schuler,AACL 2020)
国际计算语言学协会
- 金立峰(Lifeng Jin)和威廉·舒勒(William Schuler)。2020带图像的接地PCFG感应.英寸计算语言学协会亚太分会第一届会议记录和第十届国际自然语言处理联合会议记录,第396–408页,中国苏州。计算语言学协会。