| Item type |
報告書 / Research Paper(1) |
| 公開日 |
2024-03-28 |
| タイトル |
|
|
タイトル |
Adversarial Training for Commonsense Inference |
|
言語 |
en |
| 言語 |
|
|
言語 |
eng |
| 資源タイプ |
|
|
資源タイプ識別子 |
http://purl.org/coar/resource_type/c_18ws |
|
資源タイプ |
research report |
| 著者 |
Pereira, Lis
Liu, Xiaodong
Cheng, Fei
Asahara, Masayuki
Kobayashi, Ichiro
|
| 著者所属(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Ochanomizu University |
|
言語 |
en |
| 著者所属(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Microsoft Research |
|
言語 |
en |
| 著者所属(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Kyoto University |
|
言語 |
en |
| 著者所属(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
National Institute for Japanese Language and Linguistics |
|
言語 |
en |
| 著者所属(英) |
|
|
内容記述タイプ |
Other |
|
内容記述 |
Ochanomizu University |
|
言語 |
en |
| 抄録 |
|
|
内容記述タイプ |
Abstract |
|
内容記述 |
We propose an AdversariaL training algorithm for commonsense InferenCE（ ALICE）.We apply small perturbations to word embeddings and minimize the resultant adversarial risk to regularize the model. We exploit a novel combination of two different approaches to estimate these perturbations: 1） using the true label and 2）using the model prediction. Without relying on any human-crafted features, knowledge bases or additional datasets other than the target datasets, our model boosts the finetuning performance of RoBERTa, achieving competitive results on multiple reading comprehension datasets that require commonsense inference. |
|
言語 |
en |
| 書誌情報 |
ja : 「言語による時間生成」論文集・報告集
p. 129-138,
発行日 2023
|
| 出版者 |
|
|
出版者 |
明海大学外国語学部 嶋田珠巳研究室 |
|
言語 |
ja |
| 関連サイト |
|
|
関連タイプ |
isIdenticalTo |
|
|
識別子タイプ |
URI |
|
|
関連識別子 |
https://meikai.repo.nii.ac.jp/records/2000082 |
| フォーマット |
|
|
内容記述タイプ |
Other |
|
内容記述 |
application/pdf |
|
言語 |
en |
| 著者版フラグ |
|
|
出版タイプ |
VoR |
|
出版タイプResource |
http://purl.org/coar/version/c_970fb48d4fbd8a85 |
lc_2023_129.pdf (239 KB)
.png)
