To better understand the limitation

To better understand the limitations of REVERB, we performed a detailed analysis of its errors in precision (incorrect extractions returned) and its errors in recall (correct extractions that it missed). We found that 65% of the incorrect extractions returned by REVERB were cases where a relation phrase was correctly identified, but the argument-finding heuristics failed. Of the remaining errors, a common problem was to mistake an n-ary relation as a binary relation. For example, extracting (I, gave, him) from the sentence “I gave him 15 photographs”

Kết quả (Việt) 1:

Để hiểu rõ hơn về những hạn chế của REVERB, chúng tôi thực hiện một phân tích chi tiết của các lỗi trong chính xác (sai nhổ trở lại) và các lỗi trong thu hồi (đúng nhổ mà nó mất). Chúng tôi tìm thấy 65% của nhổ không chính xác trở lại bởi REVERB những trường nơi một cụm từ liên quan đã được xác định một cách chính xác, nhưng không thể chẩn đoán tìm kiếm đối số. Lỗi còn lại, một vấn đề phổ biến là để sai lầm một quan hệ n ary như là một mối quan hệ nhị phân. Ví dụ: giải nén (tôi, đã, Anh) từ câu "tôi cho ông 15 bức ảnh"

Kết quả (Việt) 2:

Để hiểu rõ hơn về những hạn chế của REVERB, chúng tôi thực hiện một phân tích chi tiết các lỗi của nó trong chính xác (nhổ răng không đúng trả lại) và các lỗi trong thu hồi (nhổ chính xác mà nó bị mất). Chúng tôi thấy rằng 65% của nhổ răng không đúng trả về bởi REVERB là trường hợp một cụm từ mối quan hệ đã được xác định một cách chính xác, nhưng các công nghệ tự luận tìm hiểu thất bại. Các lỗi còn lại, một vấn đề phổ biến là nhầm một mối quan hệ n-ary là mối quan hệ nhị phân. Ví dụ, giải nén (I, đã cho, anh ta) từ câu "Tôi đã cho anh 15 hình ảnh"