論文の概要: Relation Clustering in Narrative Knowledge Graphs
- arxiv url: http://arxiv.org/abs/2011.13647v1
- Date: Fri, 27 Nov 2020 10:43:04 GMT
- ステータス: 処理完了
- システム内更新日: 2022-09-20 01:19:52.183425
- Title: Relation Clustering in Narrative Knowledge Graphs
- Title(参考訳): ナラティブ知識グラフにおける関係クラスタリング
- Authors: Simone Mellace, K Vani, Alessandro Antonucci
- Abstract要約: 原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。
予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
- 参考スコア(独自算出の注目度): 71.98234178455398
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: When coping with literary texts such as novels or short stories, the
extraction of structured information in the form of a knowledge graph might be
hindered by the huge number of possible relations between the entities
corresponding to the characters in the novel and the consequent hurdles in
gathering supervised information about them. Such issue is addressed here as an
unsupervised task empowered by transformers: relational sentences in the
original text are embedded (with SBERT) and clustered in order to merge
together semantically similar relations. All the sentences in the same cluster
are finally summarized (with BART) and a descriptive label extracted from the
summary. Preliminary tests show that such clustering might successfully detect
similar relations, and provide a valuable preprocessing for semi-supervised
approaches.
- Abstract(参考訳): 小説や短編などの文学的文章を扱う場合、ナレッジグラフの形で構造化された情報の抽出は、小説の登場人物に対応するエンティティとそれらに関する監督された情報を集めるための適切なハードルとの間の膨大な関係によって妨げられる可能性がある。
原文のリレーショナル文は(SBERTと)組み込まれ、意味論的に類似した関係をまとめるためにクラスタ化される。
同じクラスタ内のすべての文は最終的に(BARTで)要約され、要約から抽出された記述ラベルが抽出される。
予備テストでは、このようなクラスタリングが類似した関係をうまく検出でき、半教師付きアプローチのための貴重な前処理を提供することが示された。
関連論文リスト
- Context-Aware Hierarchical Merging for Long Document Summarization [56.96619074316232]
本論文では,階層的なマージをソース文書からコンテキストと統合する手法を提案する。
法的および物語的領域を表すデータセットの実験結果は、文脈的拡張がゼロショットと階層的な融合ベースラインを一貫して上回っていることを示している。
論文 参考訳(メタデータ) (2025-02-03T01:14:31Z) - Intelligent Multi-Document Summarisation for Extracting Insights on Racial Inequalities from Maternity Incident Investigation Reports [0.8609957371651683]
医療では、毎年何千もの安全事故が発生するが、これらの事故から学ぶことは効果的に集約されない。
本稿では,安全事故報告の集約と分析を容易にするためのフレームワークであるI-SIRch:CSを提案する。
このフレームワークは、セーフティ・インテリジェンス・リサーチ(SIRch)の分類学を用いた概念アノテーションと、クラスタリング、要約、分析機能を統合する。
論文 参考訳(メタデータ) (2024-07-11T09:11:20Z) - `Keep it Together': Enforcing Cohesion in Extractive Summaries by
Simulating Human Memory [22.659031563705245]
本稿では,要約における情報性や冗長性を制御しつつ,凝集を強制することを目的としている。
我々の文セレクタは、人間の記憶をシミュレートしてトピックを追跡する。
非常に密集した要約を抽出することはできるが、それでも人間にとって有意義な内容の要約を読めばよい。
論文 参考訳(メタデータ) (2024-02-16T12:43:26Z) - 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) - Unsupervised Extractive Summarization with Heterogeneous Graph
Embeddings for Chinese Document [5.9630342951482085]
中国語文書にヘテロジニアスグラフ埋め込み (HGE) を組み込んだ教師なし抽出サマリザイトン法を提案する。
実験結果から,本手法は3つの要約データセットにおいて,強いベースラインを一貫して上回ることを示した。
論文 参考訳(メタデータ) (2022-11-09T06:07:31Z) - 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) - 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) - 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) - Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。
抽出した要約タスクを意味テキストマッチング問題として定式化する。
我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文 参考訳(メタデータ) (2020-04-19T08:27:57Z)
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。