BERT | Abstract 第2段落 第2文
It obtains new state-of-the-art results on eleven natural language processing tasks, including pushing the GLUE score to 80.5% (7.7% point absolute improvement), MultiNLI accuracy to 86.7% (4.6% absolute improvement), SQuAD v1.1 question answering Test F1 to 93.2 (1.5 point absolute improvement) and SQuAD v2.0 Test F1 to 83.1 (5.1 point absolute improvement).
Jacob Devlin, et al., "BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding"
自然言語処理のあらゆるタスクに適用できる汎用的な表現学習を行えるモデルであるBERTの論文の"BERT: Pre-training of Deep Bidirectional Transformers for Language Understanding"のAbstractの第2段落の第2文について、英語リーディング教本のFrame of Reference(F.o.R.)を使って英文構造を解読します。
「それは11の自然言語処理のタスクにおいて新しい最高水準(SOTA)の結果を獲得し、GLUEスコアを80.5%へ押し上げたこと(7.7%ポイントの絶対的な改善)、MultiNLI精度を86.7%へ押し上げたこと(4.6%の絶対的な改善)、 SQuAD v1.1質問応答テストF1を93.2へ押し上げたこと(1.5ポイントの絶対的な改善)、そしてSQuAD v2.0テストF1を83.1へ押し上げたこと(5.1ポイントの絶対的な改善)を含む。」
冒頭のItは前の文を受けてBERTを指します。
BERT | Abstract 第2段落 第1文 - AI Paper English F.o.R.
後半の結果の列挙の部分が長い文章です。
pushingは準動詞で、動名詞です。前の働きはincludingの目的語です。後ろの働きは第三文型の動詞です。
pushingの目的語は複数あり、
- the GLUE score
- MultiNLI accuracy
- SQuAD v1.1 question answering Test F1
- SQuAD v2.0 Test F1
です。それぞれtoから始まる副詞句で具体的な数値について述べています。
薬袋善郎先生の公式ウェブサイト