Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Sức khỏe - Y tế
Văn bản luật
Nông Lâm Ngư
Kỹ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Giới thiệu
Đăng ký
Đăng nhập
Tìm
Danh mục
Kinh doanh - Marketing
Kinh tế quản lý
Biểu mẫu - Văn bản
Tài chính - Ngân hàng
Công nghệ thông tin
Tiếng anh ngoại ngữ
Kĩ thuật công nghệ
Khoa học tự nhiên
Khoa học xã hội
Văn hóa nghệ thuật
Y tế sức khỏe
Văn bản luật
Nông lâm ngư
Kĩ năng mềm
Luận văn - Báo cáo
Giải trí - Thư giãn
Tài liệu phổ thông
Văn mẫu
Thông tin
Điều khoản sử dụng
Quy định bảo mật
Quy chế hoạt động
Chính sách bản quyền
Giới thiệu
Đăng ký
Đăng nhập
0
Trang chủ
Luận Văn - Báo Cáo
Báo cáo khoa học
Báo cáo khoa học: "Modeling Local Coherence: An Entity-based Approach"
Đang chuẩn bị liên kết để tải về tài liệu:
Báo cáo khoa học: "Modeling Local Coherence: An Entity-based Approach"
Ngọc Bích
43
8
pdf
Đang chuẩn bị nút TẢI XUỐNG, xin hãy chờ
Tải xuống
This paper considers the problem of automatic assessment of local coherence. We present a novel entity-based representation of discourse which is inspired by Centering Theory and can be computed automatically from raw text. We view coherence assessment as a ranking learning problem and show that the proposed discourse representation supports the effective learning of a ranking function. Our experiments demonstrate that the induced model achieves significantly higher accuracy than a state-of-the-art coherence model. . | Modeling Local Coherence An Entity-based Approach Regina Barzilay Computer Science and Artificial Intelligence Laboratory Massachusetts Institute of Technology regina@csail.mit.edu Mirella Lapata School of Informatics University of Edinburgh mlap@inf.ed.ac.uk Abstract This paper considers the problem of automatic assessment of local coherence. We present a novel entity-based representation of discourse which is inspired by Centering Theory and can be computed automatically from raw text. We view coherence assessment as a ranking learning problem and show that the proposed discourse representation supports the effective learning of a ranking function. Our experiments demonstrate that the induced model achieves significantly higher accuracy than a state-of-the-art coherence model. 1 Introduction A key requirement for any system that produces text is the coherence of its output. Not surprisingly a variety of coherence theories have been developed over the years e.g. Mann and Thomson 1988 Grosz et al. 1995 and their principles have found application in many symbolic text generation systems e.g. Scott and de Souza 1990 Kibble and Power 2004 . The ability of these systems to generate high quality text almost indistinguishable from human writing makes the incorporation of coherence theories in robust large-scale systems particularly appealing. The task is however challenging considering that most previous efforts have relied on handcrafted rules valid only for limited domains with no guarantee of scalability or portability Reiter and Dale 2000 . Furthermore coherence constraints are often embedded in complex representations e.g. Asher and Lascarides 2003 which are hard to implement in a robust application. This paper focuses on local coherence which captures text relatedness at the level of sentence-to- sentence transitions and is essential for generating globally coherent text. The key premise of our work is that the distribution of entities in locally coherent texts .
TÀI LIỆU LIÊN QUAN
Báo cáo khoa học: "Modeling Topic Dependencies in Hierarchical Text Categorization"
Báo cáo khoa học: "Automatic Event Extraction with Structured Preference Modeling"
Báo cáo khoa học: "Modeling Sentences in the Latent Space"
Báo cáo khoa học: "Modeling the Translation of Predicate-Argument Structure for SMT"
Báo cáo khoa học: "Large-Scale Syntactic Language Modeling with Treelets"
Báo cáo khoa học: "Extracting and modeling durations for habits and events from Twitter"
Báo cáo khoa học: "Efficient Tree-Based Topic Modeling"
Báo cáo khoa học: "Fast Syntactic Analysis for Statistical Language Modeling via Substructure Sharing and Uptraining"
Báo cáo khoa học: "Discriminative Pronunciation Modeling: A Large-Margin, Feature-Rich Approach"
Báo cáo khoa học: "Modeling Review Comments"
crossorigin="anonymous">
Đã phát hiện trình chặn quảng cáo AdBlock
Trang web này phụ thuộc vào doanh thu từ số lần hiển thị quảng cáo để tồn tại. Vui lòng tắt trình chặn quảng cáo của bạn hoặc tạm dừng tính năng chặn quảng cáo cho trang web này.