Fugu-MT 論文翻訳(概要): Process-Level Representation of Scientific Protocols with Interactive Annotation

論文の概要: Process-Level Representation of Scientific Protocols with Interactive Annotation

arxiv url: http://arxiv.org/abs/2101.10244v1
Date: Mon, 25 Jan 2021 17:18:20 GMT
ステータス: 処理完了
システム内更新日: 2021-03-14 19:09:33.023856
Title: Process-Level Representation of Scientific Protocols with Interactive Annotation
Title（参考訳）: 対話型アノテーションによる科学プロトコルのプロセスレベル表現
Authors: Ronen Tamari, Fan Bai, Alan Ritter, Gabriel Stanovsky
Abstract要約: 我々は,実世界のウェットラボ生化学プロトコルの文書レベル表現であるプロセス実行グラフ(PEG)を開発した。 PEGは、クロスセンテンス関係、長距離コアファレンス、接地、暗黙の議論などの課題に対処します。このデータを用いてグラフ予測モデルを構築し,エンティティ識別や局所的関係抽出に優れることを示す。
参考スコア（独自算出の注目度）: 26.744382046154733
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: We develop Process Execution Graphs~(PEG), a document-level representation of real-world wet lab biochemistry protocols, addressing challenges such as cross-sentence relations, long-range coreference, grounding, and implicit arguments. We manually annotate PEGs in a corpus of complex lab protocols with a novel interactive textual simulator that keeps track of entity traits and semantic constraints during annotation. We use this data to develop graph-prediction models, finding them to be good at entity identification and local relation extraction, while our corpus facilitates further exploration of challenging long-range relations.
Abstract（参考訳）: 我々は,実世界のウェットラボ生化学プロトコルの文書レベル表現であるプロセス実行グラフ~(PEG)を開発し,クロスセンス関係,長距離コア推論,グラウンド化,暗黙の議論といった課題に対処する。アノテーション中のエンティティ特性や意味的制約を追跡するインタラクティブなテキストシミュレータを用いて,複雑なラボプロトコルのコーパスにpegを手動でアノテートする。このデータを使用してグラフ予測モデルを開発し、エンティティの識別と局所関係抽出に優れていることを見つけ、コーパスはより困難な長期関係の探索を促進します。

関連論文リスト

CoSD: Collaborative Stance Detection with Contrastive Heterogeneous Topic Graph Learning [18.75039816544345]
我々はCoSD(CoSD)と呼ばれる新しい協調姿勢検出フレームワークを提案する。 CoSDは、テキスト、トピック、スタンスラベル間のトピック認識のセマンティクスと協調的なシグナルを学ぶ。 2つのベンチマークデータセットの実験では、CoSDの最先端検出性能が示されている。
論文参考訳（メタデータ） (2024-04-26T02:04:05Z)
Towards Natural Language-Guided Drones: GeoText-1652 Benchmark with Spatial Relation Matching [60.645802236700035]
自然言語コマンドを通じてドローンをナビゲートすることは、アクセス可能なマルチモーダルデータセットが不足しているため、依然として難しい。我々は新しい自然言語誘導ジオローカライゼーションベンチマークGeoText-1652を紹介する。このデータセットは、インタラクティブなヒューマンコンピュータプロセスを通じて体系的に構築される。
論文参考訳（メタデータ） (2023-11-21T17:52:30Z)
Document-level Relation Extraction with Cross-sentence Reasoning Graph [14.106582119686635]
関係抽出(RE)は、最近、文レベルから文書レベルに移行した。 GRaph情報集約・クロスセンス推論ネットワーク(GRACR)を用いた新しい文書レベルのREモデルを提案する。実験結果から,GRACRは文書レベルのREの2つの公開データセットにおいて優れた性能を発揮することが示された。
論文参考訳（メタデータ） (2023-03-07T14:14:12Z)
Multilingual Extraction and Categorization of Lexical Collocations with Graph-aware Transformers [86.64972552583941]
我々は,グラフ対応トランスフォーマアーキテクチャにより拡張されたBERTに基づくシーケンスタグ付けモデルを提案し,コンテキストにおけるコロケーション認識の課題について評価した。以上の結果から, モデルアーキテクチャにおける構文的依存関係を明示的に符号化することは有用であり, 英語, スペイン語, フランス語におけるコロケーションのタイプ化の差異について考察する。
論文参考訳（メタデータ） (2022-05-23T16:47:37Z)
Improve Discourse Dependency Parsing with Contextualized Representations [28.916249926065273]
本稿では,異なるレベルの単位の文脈化表現を符号化するトランスフォーマーの活用を提案する。記事間で共通に共有される記述パターンの観察に動機付けられ,談話関係の識別をシーケンスラベリングタスクとして扱う新しい手法を提案する。
論文参考訳（メタデータ） (2022-05-04T14:35:38Z)
NC-DRE: Leveraging Non-entity Clue Information for Document-level Relation Extraction [3.276435438007766]
文書レベルの関係抽出(RE)は、複雑な文間関係を特定するために、異なる文の複数のエンティティを推論する必要がある。従来の研究では、異種文書グラフの推論にグラフニューラルネットワーク(GNN)が用いられていた。文書レベルの関係抽出に非エンタリティ・クリュー情報を活用するために,デコーダからエンコーダへのアテンション機構を導入した新しいグラフベースモデルNC-DREを提案する。
論文参考訳（メタデータ） (2022-04-01T07:30:26Z)
BASS: Boosting Abstractive Summarization with Unified Semantic Graph [49.48925904426591]
BASSは、統合されたセマンティックグラフに基づく抽象的な要約を促進するためのフレームワークである。文書表現と要約生成の両方を改善するために,グラフベースのエンコーダデコーダモデルを提案する。実験結果から,提案アーキテクチャは長期文書および複数文書要約タスクに大幅な改善をもたらすことが示された。
論文参考訳（メタデータ） (2021-05-25T16:20:48Z)
Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
論文参考訳（メタデータ） (2021-01-16T16:18:43Z)
Context-Aware Graph Convolution Network for Target Re-identification [61.34688291210318]
提案手法は、人および車両再識別データセットにおける最先端のパフォーマンスを実現する。本稿では,プローブとガリーの関係をグラフノードにエンコードする新しいコンテキストアウェアグラフ畳み込みネットワーク(cagcn)を提案する。実験により,提案手法が車体および車体の再識別データセットにおいて最先端の性能を実現することを示す。
論文参考訳（メタデータ） (2020-12-08T09:18:39Z)
GATE: Graph Attention Transformer Encoder for Cross-lingual Relation and Event Extraction [107.8262586956778]
言語に依存しない文表現を学習するために、普遍的な依存解析を伴うグラフ畳み込みネットワーク(GCN)を導入する。 GCNは、長い範囲の依存関係を持つ単語をモデル化するのに苦労する。そこで本研究では,構文的距離の異なる単語間の依存関係を学習するための自己認識機構を提案する。
論文参考訳（メタデータ） (2020-10-06T20:30:35Z)
Reasoning with Latent Structure Refinement for Document-Level Relation Extraction [20.308845516900426]
本稿では,潜在文書レベルグラフを自動的に誘導することにより,文間の関係推論を促進する新しいモデルを提案する。具体的には、大規模文書レベルデータセット(DocRED)上でF1スコア59.05を達成する。
論文参考訳（メタデータ） (2020-05-13T13:36:09Z)

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。