論文の概要: Relation Extraction with Contextualized Relation Embedding (CRE)

• arxiv url: http://arxiv.org/abs/2011.09658v1
• Date: Thu, 19 Nov 2020 05:19:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-23 20:25:43.154249
• Title: Relation Extraction with Contextualized Relation Embedding (CRE)
• Title（参考訳）: contextized relation embedded (cre) による関係抽出
• Authors: Xiaoyu Chen and Rohan Badlani
• Abstract要約: 本稿では,意味情報と知識ベースモデリングを統合した関係抽出タスクのアーキテクチャを提案する。 本稿では、関係抽出においてKBモデリングを内部化するモデルアーキテクチャを提案する。 提案したCREモデルは、The New York Times Annotated CorpusとFreeBaseから派生したデータセット上でのアートパフォーマンスの状態を達成している。
• 参考スコア（独自算出の注目度）: 6.030060645424665
• License: http://creativecommons.org/publicdomain/zero/1.0/
• Abstract: Relation extraction is the task of identifying relation instance between two entities given a corpus whereas Knowledge base modeling is the task of representing a knowledge base, in terms of relations between entities. This paper proposes an architecture for the relation extraction task that integrates semantic information with knowledge base modeling in a novel manner. Existing approaches for relation extraction either do not utilize knowledge base modelling or use separately trained KB models for the RE task. We present a model architecture that internalizes KB modeling in relation extraction. This model applies a novel approach to encode sentences into contextualized relation embeddings, which can then be used together with parameterized entity embeddings to score relation instances. The proposed CRE model achieves state of the art performance on datasets derived from The New York Times Annotated Corpus and FreeBase. The source code has been made available.
• Abstract（参考訳）: 関係抽出はコーパスが与えられた2つのエンティティ間の関係インスタンスを識別するタスクであり、知識ベースモデリングはエンティティ間の関係の観点から知識ベースを表現するタスクである。 本稿では,意味情報と知識ベースモデリングを新たな方法で統合した関係抽出タスクのアーキテクチャを提案する。 既存の関係抽出法は、知識ベースモデリングを使用しないか、reタスクに別々に訓練されたkbモデルを使用する。 関係抽出においてKBモデリングを内部化するモデルアーキテクチャを提案する。 このモデルは、文を文脈化された関係埋め込みにエンコードする新しいアプローチを適用し、パラメータ化されたエンティティ埋め込みと一緒に使用して関係インスタンスをスコアする。 提案したCREモデルは、The New York Times Annotated CorpusとFreeBaseから派生したデータセット上でのアートパフォーマンスの状態を達成している。 ソースコードが公開されている。

関連論文リスト

• Learning to Extract Structured Entities Using Language Models [52.281701191329]
  機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。 タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。 我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
  論文  参考訳（メタデータ） (2024-02-06T22:15:09Z)
• ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select [53.071352033539526]
  学術論文からN-ary関係を抽出する問題について考察する。 提案手法であるReSelは,このタスクを2段階のプロシージャに分解する。 3つの科学的情報抽出データセットに対する実験により、ReSelは最先端のベースラインを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-10-26T02:28:02Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• REKnow: Enhanced Knowledge for Joint Entity and Relation Extraction [30.829001748700637]
  関係抽出はテキストからすべての隠れた関係事実を抽出することを目的とした課題である。 様々な関係抽出設定下でうまく機能する統一されたフレームワークは存在しない。 これら2つの問題を緩和する知識強化型生成モデルを提案する。 本モデルは,WebNLG,NYT10,TACREDなど,複数のベンチマークや設定において優れた性能を実現する。
  論文  参考訳（メタデータ） (2022-06-10T13:59:38Z)
• A Masked Image Reconstruction Network for Document-level Relation Extraction [3.276435438007766]
  文書レベルの関係抽出は、複雑な3重関係を抽出するために複数の文に対する推論を必要とする。 マスク付き画像再構成ネットワーク(DRE-MIR)に基づく文書レベルの関係抽出モデルを提案する。 我々は,3つの公開文書レベルの関係抽出データセットについて,そのモデルを評価する。
  論文  参考訳（メタデータ） (2022-04-21T02:41:21Z)
• 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)
• Entity Relation Extraction as Dependency Parsing in Visually Rich Documents [18.67730663266417]
  一般的な依存性解析モデルであるbiaffineを,このエンティティ関係抽出タスクに適用する。 単語間の依存関係関係を認識する依存性解析モデルとは異なることから,単語群間の関係をレイアウト情報で識別する。 実世界のアプリケーションについては、本モデルが社内の税関データに適用され、プロダクション環境で信頼性の高い性能を実現している。
  論文  参考訳（メタデータ） (2021-10-19T12:26:40Z)
• Document-Level Relation Extraction with Reconstruction [28.593318203728963]
  文書レベルの関係抽出(DocRE)のための新しいエンコーダ分類器再構成モデルを提案する。 再構築器は、グラフ表現からの基底経路依存性を再構築し、提案されたDocREモデルがトレーニングにおけるエンティティペアと関係をエンコードすることにもっと注意を払っていることを確認する。 大規模docreデータセットにおける実験結果から,提案モデルにより,グラフベースラインにおける関係抽出精度が大幅に向上することが示された。
  論文  参考訳（メタデータ） (2020-12-21T14:29:31Z)
• Learning from Context or Names? An Empirical Study on Neural Relation Extraction [112.06614505580501]
  テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前) 本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。 我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
  論文  参考訳（メタデータ） (2020-10-05T11:21:59Z)
• Clustering-based Unsupervised Generative Relation Extraction [3.342376225738321]
  クラスタリングに基づく教師なし生成関係抽出フレームワーク(CURE)を提案する。 我々は「エンコーダ・デコーダ」アーキテクチャを用いて自己教師付き学習を行い、エンコーダが関係情報を抽出できるようにする。 我々のモデルは、ニューヨーク・タイムズ(NYT)と国連並列コーパス(UNPC)の標準データセットにおいて、最先端モデルよりも優れている。
  論文  参考訳（メタデータ） (2020-09-26T20:36:40Z)
• HittER: Hierarchical Transformers for Knowledge Graph Embeddings [85.93509934018499]
  複雑な知識グラフにおける実体と関係の表現を学習するためにHittを提案する。 実験結果から,Hittは複数リンク予測において最先端の新たな結果が得られることがわかった。 さらに,HittをBERTに統合する簡単なアプローチを提案し,その効果を2つのFreebaseファクトイド対応データセットで示す。
  論文  参考訳（メタデータ） (2020-08-28T18:58:15Z)

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。