Fugu-MT 論文翻訳(概要): On the Temporality of Priors in Entity Linking

論文の概要: On the Temporality of Priors in Entity Linking

arxiv url: http://arxiv.org/abs/2101.05593v1
Date: Thu, 14 Jan 2021 13:58:31 GMT
ステータス: 処理完了
システム内更新日: 2021-03-29 06:19:02.887768
Title: On the Temporality of Priors in Entity Linking
Title（参考訳）: エンティティリンクにおける事前の時間性について
Authors: Renato Stoffalette Joao
Abstract要約: エンティティリンクアプローチにおける重要なコンポーネントは、参照からエンティティへの事前確率である。テキストとKBの両方の時間的妥当性に対するパフォーマンスをリンクするエンティティに対する先行の効果について検討する。
参考スコア（独自算出の注目度）: 0.0
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Entity linking is a fundamental task in natural language processing which deals with the lexical ambiguity in texts. An important component in entity linking approaches is the mention-to-entity prior probability. Even though there is a large number of works in entity linking, the existing approaches do not explicitly consider the time aspect, specifically the temporality of an entity's prior probability. We posit that this prior probability is temporal in nature and affects the performance of entity linking systems. In this paper we systematically study the effect of the prior on the entity linking performance over the temporal validity of both texts and KBs.
Abstract（参考訳）: エンティティリンクは、テキストの語彙的曖昧さを扱う自然言語処理の基本的なタスクである。エンティティリンクアプローチにおける重要なコンポーネントは、参照からエンティティへの事前確率である。エンティティリンクには多くの作業があるが、既存のアプローチでは、時間的側面、特にエンティティの事前確率の時間的側面を明示的に考慮していない。この事前確率は本質的に時間的であり、エンティティリンクシステムの性能に影響を与えると仮定する。本稿では,テキストとkbの時間的妥当性に対するエンティティリンク性能に対する事前の影響を体系的に検討する。

関連論文リスト

OneNet: A Fine-Tuning Free Framework for Few-Shot Entity Linking via Large Language Model Prompting [49.655711022673046]
OneNetは、大規模言語モデル(LLM)の少数ショット学習機能を利用する革新的なフレームワークで、微調整は不要である。 1)無関係なエンティティを要約してフィルタリングすることで入力を単純化するエンティティリダクションプロセッサ,(2)コンテキスト的キューと事前知識を組み合わせて正確なエンティティリンクを行うデュアルパースペクティブエンティティリンカ,(3)エンティティリンク推論における幻覚を緩和するユニークな一貫性アルゴリズムを利用するエンティティコンセンサス判定器,である。
論文参考訳（メタデータ） (2024-10-10T02:45:23Z)
Entity-Aware Self-Attention and Contextualized GCN for Enhanced Relation Extraction in Long Sentences [5.453850739960517]
本稿では,入力文の構文構造とシーケンスの意味的文脈を効率的に組み込んだ,エンティティを意識した自己意図型GCN(ESC-GCN)を提案する。本モデルでは,既存の依存性ベースモデルやシーケンスベースモデルと比較して,パフォーマンスの向上を実現している。
論文参考訳（メタデータ） (2024-09-15T10:50:51Z)
SpEL: Structured Prediction for Entity Linking [5.112679200269861]
我々は,個々の入力トークンをエンティティとして分類するエンティティリンクの構造化予測の利用を再検討し,トークン予測を集約する。我々のシステムであるSpELは最先端のエンティティリンクシステムであり、いくつかの新しいアイデアを用いてエンティティリンクのタスクに構造化予測を適用する。実験の結果,WikipediaへのエンティティリンクのためのAIDAベンチマークデータセットでは,最先端のAIDAよりも優れていることがわかった。
論文参考訳（メタデータ） (2023-10-23T08:24:35Z)
TC-GAT: Graph Attention Network for Temporal Causality Discovery [6.974417592057705]
因果関係はしばしば時間的要素と絡み合っており、原因から効果への進行は瞬間的ではなく、時間的次元において収束している。本稿では,時間的・因果関係を統合したテキストから因果関係を抽出する手法を提案する。本稿では,時間的関係に重みを割り当てるグラフアテンション機構を採用し,因果知識グラフを利用して隣接行列を決定する新しいモデルTC-GATを提案する。
論文参考訳（メタデータ） (2023-04-21T02:26:42Z)
TempEL: Linking Dynamically Evolving and Newly Emerging Entities [50.980331847622026]
進化を続ける世界では、エンティティは時間とともに変化し、これまで存在していなかった、あるいは未知の、新しいエンティティが現れます。本研究では,この進化シナリオが,十分に確立されたエンティティリンク(EL)タスクの性能に与える影響について検討する。我々は,2013年から2022年までの英語ウィキペディアスナップショットからなるエンティティリンクデータセットであるTempELを紹介した。
論文参考訳（メタデータ） (2023-02-05T22:34:36Z)
BLINK with Elasticsearch for Efficient Entity Linking in Business Conversations [9.238371546078541]
本稿では,ビジネス会話における製品と組織型エンティティを,対応するウィキペディアおよびウィキデータエントリに接続するニューラルエンティティリンクシステムを提案する。提案システムは、リソース制限されたクラウドマシンにデプロイする際の推論効率を確保するために利用されており、推論速度とメモリ消費の点で大幅に改善されている。
論文参考訳（メタデータ） (2022-05-09T17:40:55Z)
Temporal Reasoning on Implicit Events from Distant Supervision [91.20159064951487]
本稿では,暗黙的事象の理解度を評価する新しい時間的推論データセットを提案する。我々は、暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に、最先端のモデルが苦労していることを発見した。本稿では,大規模テキストからの遠隔監視信号を利用して終末時刻を推定する,ニューロシンボリックな時間的推論モデルSYMTIMEを提案する。
論文参考訳（メタデータ） (2020-10-24T03:12:27Z)
Modeling Inter-Aspect Dependencies with a Non-temporal Mechanism for Aspect-Based Sentiment Analysis [70.22725610210811]
アスペクト間の依存関係をモデル化することでABSAタスクを強化するための新しい非時間的メカニズムを提案する。我々は、ABSAタスクにおけるよく知られたクラス不均衡の問題に注目し、適切に分類されたインスタンスに割り当てられた損失を下げて対処する。
論文参考訳（メタデータ） (2020-08-12T08:50:09Z)
Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。本手法は,時間的共通感覚の様々な次元の質予測を行う。また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
論文参考訳（メタデータ） (2020-05-08T22:20:16Z)
A Dependency Syntactic Knowledge Augmented Interactive Architecture for End-to-End Aspect-based Sentiment Analysis [73.74885246830611]
エンドツーエンドABSAのためのマルチタスク学習を用いた対話型アーキテクチャを新たに提案する。このモデルは、よく設計された依存性関係埋め込みグラフ畳み込みネットワーク(DreGcn)を活用することで、構文知識(依存性関係と型)を完全に活用することができる。 3つのベンチマークデータセットの大規模な実験結果から,本手法の有効性が示された。
論文参考訳（メタデータ） (2020-04-04T14:59:32Z)
End-to-End Entity Linking and Disambiguation leveraging Word and Knowledge Graph Embeddings [20.4826750211045]
我々は,KGと単語埋め込みを併用した最初のエンドツーエンドニューラルネットワークアプローチを提案し,単純な質問の結合関係と実体分類を行う。実験により,提案手法が最先端のエンティティリンクに匹敵する性能を実現することを示す。
論文参考訳（メタデータ） (2020-02-25T19:07:54Z)

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。