論文の概要: A Probabilistic Model with Commonsense Constraints for Pattern-based Temporal Fact Extraction

• arxiv url: http://arxiv.org/abs/2006.06436v1
• Date: Thu, 11 Jun 2020 13:48:04 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-22 14:16:04.510210
• Title: A Probabilistic Model with Commonsense Constraints for Pattern-based Temporal Fact Extraction
• Title（参考訳）: パターンに基づく時間的事実抽出のためのコモンセンス制約付き確率モデル
• Authors: Yang Zhou, Tong Zhao, Meng Jiang
• Abstract要約: 生成過程において事実抽出を定式化する確率的グラフィカルモデルを提案する。 監督なしに、真の事実とパターンの信頼性を自動的に推測する。 実験の結果,本モデルはニュースデータから真の時間的事実を抽出する既存の手法よりも優れていた。
• 参考スコア（独自算出の注目度）: 23.33300644258727
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Textual patterns (e.g., Country's president Person) are specified and/or generated for extracting factual information from unstructured data. Pattern-based information extraction methods have been recognized for their efficiency and transferability. However, not every pattern is reliable: A major challenge is to derive the most complete and accurate facts from diverse and sometimes conflicting extractions. In this work, we propose a probabilistic graphical model which formulates fact extraction in a generative process. It automatically infers true facts and pattern reliability without any supervision. It has two novel designs specially for temporal facts: (1) it models pattern reliability on two types of time signals, including temporal tag in text and text generation time; (2) it models commonsense constraints as observable variables. Experimental results demonstrate that our model significantly outperforms existing methods on extracting true temporal facts from news data.
• Abstract（参考訳）: 非構造化データから事実情報を抽出するために、テキストパターン(例えば、国の大統領)を特定し、/又は生成する。 パターンに基づく情報抽出手法は,その効率と伝達性について認識されている。 しかし、すべてのパターンが信頼できるとは限らない: 大きな課題は、多様で時には矛盾する抽出から最も完全で正確な事実を導き出すことである。 本研究では,生成過程における事実抽出を定式化する確率的グラフィカルモデルを提案する。 監視なしで、事実やパターンの信頼性を自動的に推測します。 1)テキストの時間タグとテキスト生成時間の時間タグを含む2種類の時間信号のパターン信頼性をモデル化し,(2)可観測変数としてコモンセンス制約をモデル化する。 実験の結果,本モデルはニュースデータから真の時間的事実を抽出する既存の手法よりも優れていた。

関連論文リスト

• Diffusion Random Feature Model [0.0]
  本稿では,拡散モデルにインスパイアされた深部ランダム特徴モデルを提案する。 サンプルデータの分布と真の分布との一般化境界をスコアマッチングの特性を用いて導出する。 ファッションMNISTデータセットとインストゥルメンタルオーディオデータに基づいてサンプルを生成し,本研究の検証を行った。
  論文  参考訳（メタデータ） (2023-10-06T17:59:05Z)
• Encoding Time-Series Explanations through Self-Supervised Model Behavior Consistency [26.99599329431296]
  トレーニング説明書の時系列一貫性モデルであるTimeXを提案する。 TimeXは、事前訓練された時系列モデルの振る舞いを模倣するために解釈可能なサロゲートを訓練する。 我々は8つの合成および実世界のデータセット上でTimeXを評価し、その性能を最先端の解釈可能性手法と比較した。
  論文  参考訳（メタデータ） (2023-06-03T13:25:26Z)
• Preserving Knowledge Invariance: Rethinking Robustness Evaluation of Open Information Extraction [50.62245481416744]
  実世界におけるオープン情報抽出モデルの評価をシミュレートする最初のベンチマークを示す。 我々は、それぞれの例が知識不変のcliqueである大規模なテストベッドを設計し、注釈付けする。 さらにロバスト性計量を解明することにより、その性能が全体の傾きに対して一貫して正確であるならば、モデルはロバストであると判断される。
  論文  参考訳（メタデータ） (2023-05-23T12:05:09Z)
• ChiroDiff: Modelling chirographic data with Diffusion Models [132.5223191478268]
  チャーログラフィーデータのための強力なモデルクラスである「拡散確率モデル(Denoising Diffusion Probabilistic Models)」やDDPMを導入している。 我々のモデルは「ChiroDiff」と呼ばれ、非自己回帰的であり、全体論的概念を捉えることを学び、したがって高い時間的サンプリングレートに回復する。
  論文  参考訳（メタデータ） (2023-04-07T15:17:48Z)
• Correcting Diverse Factual Errors in Abstractive Summarization via Post-Editing and Language Model Infilling [56.70682379371534]
  提案手法は, 誤要約の修正において, 従来手法よりもはるかに優れていることを示す。 我々のモデルであるFactEditは、CNN/DMで11点、XSumで31点以上のファクトリティスコアを改善する。
  論文  参考訳（メタデータ） (2022-10-22T07:16:19Z)
• On the Impact of Temporal Concept Drift on Model Explanations [31.390397997989712]
  自然言語処理におけるモデル予測の表現忠実度は、トレーニングデータと同じ時間分布から保持されたデータに基づいて評価する。 8つの特徴属性法と3つの選択列予測モデルにより抽出されたモデル説明に対する時間的変動の影響について検討した。
  論文  参考訳（メタデータ） (2022-10-17T15:53:09Z)
• Sharing pattern submodels for prediction with missing values [12.981974894538668]
  機械学習の多くのアプリケーションでは欠落値は避けられず、トレーニング中もテスト時にも課題が提示される。 パターンサブモデル(パターンサブモデル)と呼ばれる別の手法を提案する。これは、テスト時に欠落した値に対して、予測を堅牢にし、パターンサブモデルの予測力を維持または改善させる。
  論文  参考訳（メタデータ） (2022-06-22T15:09:40Z)
• Integrating Pattern- and Fact-based Fake News Detection via Model Preference Learning [6.92027612631023]
  パターンベースモデルとファクトベースモデルを一つのフレームワークに統合する問題について検討する。 提案するPreference-aware Fake News Detection Framework (Pref-FEND) は,共同検出のためのパターンモデルとファクトベースモデルの各好みを学習する。
  論文  参考訳（メタデータ） (2021-09-23T12:28:55Z)
• A Multi-Level Attention Model for Evidence-Based Fact Checking [58.95413968110558]
  シーケンス構造をトレーニング可能な,シンプルなモデルを提案する。 Fact extract and VERification のための大規模データセットの結果、我々のモデルはグラフベースのアプローチよりも優れていることが示された。
  論文  参考訳（メタデータ） (2021-06-02T05:40:12Z)
• Visualising Deep Network's Time-Series Representations [93.73198973454944]
  機械学習モデルの普及にもかかわらず、多くの場合、モデルの内部で起きていることに関する洞察のないブラックボックスとして運用される。 本稿では,多次元時系列データの可視化に着目し,この問題に対処する手法を提案する。 高周波在庫市場データセットの実験は、この方法が迅速かつ識別可能な可視化を提供することを示しています。
  論文  参考訳（メタデータ） (2021-03-12T09:53:34Z)
• Understanding Neural Abstractive Summarization Models via Uncertainty [54.37665950633147]
  seq2seq抽象要約モデルは、自由形式の方法でテキストを生成する。 モデルのトークンレベルの予測のエントロピー、すなわち不確実性について検討する。 要約とテキスト生成モデルをより広範囲に解析する上で,不確実性は有用であることを示す。
  論文  参考訳（メタデータ） (2020-10-15T16:57:27Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。