Fugu-MT 論文翻訳(概要): Big Green at WNUT 2020 Shared Task-1: Relation Extraction as Contextualized Sequence Classification

論文の概要: Big Green at WNUT 2020 Shared Task-1: Relation Extraction as Contextualized Sequence Classification

arxiv url: http://arxiv.org/abs/2012.04538v1
Date: Mon, 7 Dec 2020 06:38:53 GMT
ステータス: 処理完了
システム内更新日: 2021-05-16 21:28:26.136839
Title: Big Green at WNUT 2020 Shared Task-1: Relation Extraction as Contextualized Sequence Classification
Title（参考訳）: big green at wnut 2020 shared task-1: relationship extraction as contextized sequence classification
Authors: Chris Miller and Soroush Vosoughi
Abstract要約: ノイズの多いテキスト環境における既知のエンティティ間の関係とイベントを分類するために,コンテキスト化されたナレッジグラフ補完を用いたシステムを提案する。濡れた実験室プロトコルのデータセットから関係とイベントを効果的に抽出できることを示す結果を報告します。
参考スコア（独自算出の注目度）: 2.1574781022415364
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Relation and event extraction is an important task in natural language processing. We introduce a system which uses contextualized knowledge graph completion to classify relations and events between known entities in a noisy text environment. We report results which show that our system is able to effectively extract relations and events from a dataset of wet lab protocols.
Abstract（参考訳）: 関連とイベント抽出は自然言語処理において重要なタスクである。本稿では,コンテキスト化された知識グラフ補完を用いて,雑音の多いテキスト環境における既知のエンティティ間の関係とイベントを分類するシステムを提案する。本システムでは,ウェットラボプロトコルのデータセットから関係やイベントを効果的に抽出できることを示す。

関連論文リスト

Pipelined Biomedical Event Extraction Rivaling Joint Learning [15.621296083774931]
本稿では,BERT事前学習モデルに基づくn-ary関係抽出手法を提案する。 The GE11 and GE13 corpora of the BioNLP shared task with F1 scores 63.14% and 59.40%。
論文参考訳（メタデータ） (2024-03-19T02:52:58Z)
Towards Event Extraction from Speech with Contextual Clues [61.164413398231254]
本稿では,音声イベント抽出(SpeechEE)タスクを導入し,3つの合成トレーニングセットと1つの人為的テストセットを構築した。テキストからのイベント抽出と比較して、SpeechEEは、主に連続的で単語境界を持たない複雑な音声信号のために、より大きな課題を提起する。我々の手法はすべてのデータセットに大幅な改善をもたらし、最大10.7%のF1ゲインを達成する。
論文参考訳（メタデータ） (2024-01-27T11:07:19Z)
Comprehensive Event Representations using Event Knowledge Graphs and Natural Language Processing [0.0]
この研究は、自然言語処理(NLP)の分野からの発見を利用して、テキストから知識を抽出し、知識グラフを構築する、成長する仕事の体系を利用して構築することを目的としている。具体的には、サブイベント抽出は、サブイベント認識イベント表現を作成する方法として使用される。これらの事象表現は、きめ細かい位置抽出を通じて豊かにされ、歴史的に関連する引用のアライメントによって文脈化される。
論文参考訳（メタデータ） (2023-03-08T18:43:39Z)
Towards Relation Extraction From Speech [56.36416922396724]
本稿では,新たな聴取情報抽出タスク,すなわち音声関係抽出を提案する。本研究では,音声合成システムによる音声関係抽出のための訓練データセットを構築し,英語母語話者によるクラウドソーシングによるテストデータセットを構築した。我々は,音声関係抽出における課題を識別するための包括的実験を行い,今後の探索に光を当てる可能性がある。
論文参考訳（メタデータ） (2022-10-17T05:53:49Z)
TAGPRIME: A Unified Framework for Relational Structure Extraction [71.88926365652034]
TAGPRIMEは、与えられた条件に関する情報を入力テキストに追加するシーケンスタグ付けモデルである。事前学習された言語モデルにおける自己認識機構により、プライミングワードは、出力された文脈化された表現に、与えられた条件に関するより多くの情報を含む。 5つの異なる言語にまたがる10のデータセットをカバーする3つのタスクに関する大規模な実験と分析は、TAGPRIMEの汎用性と有効性を示している。
論文参考訳（メタデータ） (2022-05-25T08:57:46Z)
AIFB-WebScience at SemEval-2022 Task 12: Relation Extraction First -- Using Relation Extraction to Identify Entities [0.0]
本稿では,変換器に基づく言語モデルに基づくエンドツーエンドのジョイントエンティティと関係抽出手法を提案する。実体抽出と関係抽出を連続的に行う既存手法とは対照的に,本システムは関係抽出からの情報を実体抽出に組み込む。
論文参考訳（メタデータ） (2022-03-10T12:19:44Z)
Knowledge Graph Enhanced Event Extraction in Financial Documents [0.12891210250935145]
本稿では,知識グラフをグラフニューラルネットワークに埋め込んだ最初のイベント抽出フレームワークを提案する。中国の金融発表からイベントを抽出するため,本手法はF1スコアにおいて最先端の手法を5.3%向上させる。
論文参考訳（メタデータ） (2021-09-06T16:35:15Z)
Structured Prediction as Translation between Augmented Natural Languages [109.50236248762877]
本研究では,構造化予測言語の課題を解決するために,新しいフレームワークであるTANL(Translation between Augmented Natural Languages)を提案する。タスク固有の差別を訓練することで問題に取り組む代わりに、拡張自然言語間の翻訳タスクとして位置づける。提案手法は, タスク固有のモデルに適合するか, 性能に優れ, 特に, 共同エンティティと関係抽出に関する新たな最先端結果が得られる。
論文参考訳（メタデータ） (2021-01-14T18:32:21Z)
Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
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。
論文参考訳（メタデータ） (2020-11-27T10:43:04Z)
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)
Document-Level Event Role Filler Extraction using Multi-Granularity Contextualized Encoding [40.13163091122463]
イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
論文参考訳（メタデータ） (2020-05-13T20:42:17Z)

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。