論文の概要: Extracting N-ary Cross-sentence Relations using Constrained Subsequence Kernel

• arxiv url: http://arxiv.org/abs/2006.08185v1
• Date: Mon, 15 Jun 2020 07:23:58 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-21 04:17:43.011418
• Title: Extracting N-ary Cross-sentence Relations using Constrained Subsequence Kernel
• Title（参考訳）: 制約付きサブシーケンスカーネルを用いたN-aryクロスセンス関係の抽出
• Authors: Sachin Pawar, Pushpak Bhattacharyya, Girish K. Palshikar
• Abstract要約: 本稿では,関係が文内関係よりも一般的である関係抽出タスクの新たな定式化を提案する。 このような関係のインスタンスを特徴付ける新しいシーケンス表現を提案する。 バイオメディカルドメインとジェネラルドメインという2つの領域にまたがる3つのデータセットに対するアプローチを評価した。
• 参考スコア（独自算出の注目度）: 36.86738081453646
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Most of the past work in relation extraction deals with relations occurring within a sentence and having only two entity arguments. We propose a new formulation of the relation extraction task where the relations are more general than intra-sentence relations in the sense that they may span multiple sentences and may have more than two arguments. Moreover, the relations are more specific than corpus-level relations in the sense that their scope is limited only within a document and not valid globally throughout the corpus. We propose a novel sequence representation to characterize instances of such relations. We then explore various classifiers whose features are derived from this sequence representation. For SVM classifier, we design a Constrained Subsequence Kernel which is a variant of Generalized Subsequence Kernel. We evaluate our approach on three datasets across two domains: biomedical and general domain.
• Abstract（参考訳）: 関係抽出における過去の仕事のほとんどは、文内で発生し、2つのエンティティ引数しか持たない関係を扱う。 本稿では,複数の文にまたがって2つ以上の議論ができるという意味で,関係が文内関係よりも一般的である関係抽出タスクの新たな定式化を提案する。 さらに、それらの関係は、その範囲が文書内でのみ制限され、コーパス全体では有効ではないという意味で、コーパスレベルの関係よりも具体的である。 このような関係のインスタンスを特徴付ける新しいシーケンス表現を提案する。 次に、このシーケンス表現から特徴を引き出す様々な分類器を探索する。 SVM分類器では、一般化サブシーケンスカーネルの変種である制約付きサブシーケンスカーネルを設計する。 バイオメディカルと一般ドメインという2つのドメインにまたがる3つのデータセットに対するアプローチを評価した。

関連論文リスト

• TIMELINE: Exhaustive Annotation of Temporal Relations Supporting the Automatic Ordering of Events in News Articles [4.314956204483074]
  本稿では,どの時間的関係にアノテートすべきかに基づいて,その基準を明確に定義する新たなアノテーション手法を提案する。 また、プロセスを自動化する時間的関係(長距離関係を含む)に注釈を付ける方法も提案する。 その結果、新しいデータセットであるTIMELINEコーパスが得られ、アノテーション間の合意が改善された。
  論文  参考訳（メタデータ） (2023-10-26T22:23:38Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• Query-based Instance Discrimination Network for Relational Triple Extraction [39.35417927570248]
  統合エンティティと関係抽出は、情報抽出の分野における中核的なタスクである。 最近のアプローチでは、通常は立体的な視点から関係三重項の抽出を考える。 本稿では,リレーショナルトリプルに対するインスタンスレベルの表現を構築するための,新しいクエリベースのアプローチを提案する。
  論文  参考訳（メタデータ） (2022-11-03T13:34:56Z)
• RelationPrompt: Leveraging Prompts to Generate Synthetic Data for Zero-Shot Relation Triplet Extraction [65.4337085607711]
  ゼロショット関係トリプルト抽出(ZeroRTE)のタスク設定について紹介する。 入力文が与えられた後、抽出された各三重項は、トレーニング段階で関係ラベルが見えないヘッドエンティティ、リレーションラベル、テールエンティティから構成される。 本稿では、言語モデルに構造化テキストを生成するよう促すことで、関係例を合成する。
  論文  参考訳（メタデータ） (2022-03-17T05:55:14Z)
• Hierarchical Relation-Guided Type-Sentence Alignment for Long-Tail Relation Extraction with Distant Supervision [33.641404898790405]
  本稿では,遠隔教師付き文をエンティティタイプで強化する新しいモデルを提案する。 本手法は,(1)文脈自由と関連背景の両方を注入して文レベルの誤りラベルを緩和するペアワイズ型エンリッチ化文符号化モジュールと,(2)三重事実の基本属性で文を豊かにする階層型センテンスアライメントモジュールとから構成される。
  論文  参考訳（メタデータ） (2021-09-19T00:46:57Z)
• Distantly Supervised Relation Extraction via Recursive Hierarchy-Interactive Attention and Entity-Order Perception [3.8651116146455533]
  文中では、2つの実体の出現順序は、その意味論の理解に寄与する。 文エンコーダがよりエンティティの外観情報を保持できるように,Entity-Order Perception (EOP) と呼ばれる新たな訓練目標を導入する。 提案手法は,P-R曲線,AUC,Top-N精度などの評価指標を用いて,最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-18T00:45:25Z)
• R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
  文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。 最初にBERTを使用して、グローバルな視点から入力文をエンコードします。 次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。 関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
  論文  参考訳（メタデータ） (2020-12-16T13:11:30Z)
• Learning Informative Representations of Biomedical Relations with Latent Variable Models [2.4366811507669115]
  本稿では,任意に柔軟な分布を持つ潜在変数モデルを提案する。 我々のモデルは、パラメータが少なく、トレーニングがかなり速く、両方のタスクの強いベースラインと競合する結果が得られることを実証する。
  論文  参考訳（メタデータ） (2020-11-20T08:56:31Z)
• Hierarchical Human Parsing with Typed Part-Relation Reasoning [179.64978033077222]
  このタスクでは、人体構造をモデル化する方法が中心的なテーマである。 深層グラフネットワークの表現能力と階層的人間構造を同時に活用することを模索する。
  論文  参考訳（メタデータ） (2020-03-10T16:45:41Z)

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。