Fugu-MT 論文翻訳(概要): Uncovering the Corona Virus Map Using Deep Entities and Relationship Models

論文の概要: Uncovering the Corona Virus Map Using Deep Entities and Relationship Models

arxiv url: http://arxiv.org/abs/2009.03068v1
Date: Mon, 7 Sep 2020 12:48:36 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 03:15:25.958937
Title: Uncovering the Corona Virus Map Using Deep Entities and Relationship Models
Title（参考訳）: 深部エンティティと関係モデルを用いたコロナウイルスマップの解明
Authors: Kuldeep Singh, Puneet Singla, Ketan Sarode, Anurag Chandrakar, Chetan Nichkawde
Abstract要約: コロナウイルス関連記事のコーパスから、COVID-19に関連するエンティティや関係を抽出する。我々は、連想記憶として機能するニューラルネットワークの進化を防ぐために、概念マスキングパラダイムを用いる。
参考スコア（独自算出の注目度）: 1.6263770627425762
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We extract entities and relationships related to COVID-19 from a corpus of articles related to Corona virus by employing a novel entities and relationship model. The entity recognition and relationship discovery models are trained with a multi-task learning objective on a large annotated corpus. We employ a concept masking paradigm to prevent the evolution of neural networks functioning as an associative memory and induce right inductive bias guiding the network to make inference using only the context. We uncover several import subnetworks, highlight important terms and concepts and elucidate several treatment modalities employed in related ailments in the past.
Abstract（参考訳）: 我々は、新しい実体と関係モデルを用いて、コロナウイルスに関する記事のコーパスから、COVID-19に関連するエンティティと関係を抽出する。エンティティ認識および関係発見モデルは、大きな注釈付きコーパス上でマルチタスク学習目的を用いて訓練される。概念マスキングパラダイムを用いて,連想記憶として機能するニューラルネットワークの進化を防止し,文脈のみを用いて推論を行うようにネットワークを誘導する右帰納的バイアスを誘導する。いくつかの輸入サブネットが発見され、重要な用語や概念が浮き彫りにされ、過去の関連疾患におけるいくつかの治療のモダリティが解明された。

関連論文リスト

Automatic Discovery of Visual Circuits [66.99553804855931]
本稿では,視覚モデルにおける視覚的概念の認識の基盤となる計算グラフのサブグラフを抽出するスケーラブルな手法について検討する。提案手法は, モデル出力に因果的に影響を及ぼす回路を抽出し, これらの回路を編集することで, 敵攻撃から大きな事前学習モデルを守ることができることがわかった。
論文参考訳（メタデータ） (2024-04-22T17:00:57Z)
EMBRE: Entity-aware Masking for Biomedical Relation Extraction [12.821610050561256]
本稿では,関係抽出のためのEMBRE (Entity-Aware Masking for Biomedical Relation extract) 法を提案する。具体的には、バックボーンモデルとエンティティマスキングの目的を事前学習することにより、エンティティ知識をディープニューラルネットワークに統合する。
論文参考訳（メタデータ） (2024-01-15T18:12:01Z)
CARE: Co-Attention Network for Joint Entity and Relation Extraction [0.0]
本稿では,共同エンティティと関係抽出のためのコ・アテンション・ネットワークを提案する。提案手法では,サブタスク毎に異なる表現を学習するための並列符号化方式を採用する。このアプローチのコアとなるのは,2つのサブタスク間の双方向のインタラクションをキャプチャするコアテンションモジュールです。
論文参考訳（メタデータ） (2023-08-24T03:40:54Z)
Relational Extraction on Wikipedia Tables using Convolutional and Memory Networks [6.200672130699805]
関係抽出(Relation extract、RE)は、テキスト内のエンティティ間の関係を抽出するタスクである。我々は、エンティティをエンコードするために、畳み込みニューラルネットワーク(CNN)とBidirectional-Long Short Term Memory(BiLSTM)ネットワークからなる新しいモデルを導入する。
論文参考訳（メタデータ） (2023-07-11T22:36:47Z)
Knowledge-Enhanced Hierarchical Information Correlation Learning for Multi-Modal Rumor Detection [82.94413676131545]
マルチモーダルなうわさ検出のための知識強化型階層型情報相関学習手法(KhiCL)を提案する。 KhiCLは異質な一様性特徴を共通特徴空間に伝達するために、クロスモーダルな関節辞書を利用する。画像やテキストから視覚的およびテキスト的実体を抽出し、知識関連推論戦略を設計する。
論文参考訳（メタデータ） (2023-06-28T06:08:20Z)
Learning Interpretable Models for Coupled Networks Under Domain Constraints [8.308385006727702]
脳ネットワークの構造的エッジと機能的エッジの相互作用に着目して,結合ネットワークの概念を検討する。相互作用を推定しながらノイズ項にハードネットワークの制約を課す新しい定式化を提案する。ヒトコネクトームプロジェクトから得られたマルチシェル拡散およびタスク誘発fMRIデータセットの手法を検証する。
論文参考訳（メタデータ） (2021-04-19T06:23:31Z)
Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-10-13T11:51:17Z)
Relation Extraction from Biomedical and Clinical Text: Unified Multitask Learning Framework [41.4339656250053]
薬物・薬物相互作用,タンパク質・タンパク質相互作用,医療概念関連抽出の3つの主要なバイオメディカル・臨床課題から,関係抽出タスクについて検討した。バイオメディカルテキストと臨床テキストから関係を予測するための逆学習アプローチを補完する構造的自己注意ネットワークの概念を初めて紹介する。
論文参考訳（メタデータ） (2020-09-20T19:50:28Z)
Visual Relationship Detection with Visual-Linguistic Knowledge from Multimodal Representations [103.00383924074585]
視覚的関係検出は、画像内の有能なオブジェクト間の関係を推論することを目的としている。変換器からの視覚言語表現(RVL-BERT)という新しい手法を提案する。 RVL-BERTは、自己教師付き事前学習を通じて学習した視覚的・言語的常識知識を用いて空間推論を行う。
論文参考訳（メタデータ） (2020-09-10T16:15:09Z)
Developing Constrained Neural Units Over Time [81.19349325749037]
本稿では,既存のアプローチと異なるニューラルネットワークの定義方法に焦点をあてる。ニューラルネットワークの構造は、データとの相互作用にも拡張される制約の特別なクラスによって定義される。提案した理論は時間領域にキャストされ, データを順序づけられた方法でネットワークに提示する。
論文参考訳（メタデータ） (2020-09-01T09:07:25Z)
Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。