論文の概要: Multi-facet Universal Schema
- arxiv url: http://arxiv.org/abs/2103.15339v1
- Date: Mon, 29 Mar 2021 05:10:10 GMT
- ステータス: 処理完了
- システム内更新日: 2021-03-31 03:45:02.468822
- Title: Multi-facet Universal Schema
- Title(参考訳): 多面型ユニバーサルスキーマ
- Authors: Rohan Paul, Haw-Shiuan Chang, Andrew McCallum
- Abstract要約: 本研究では,マルチファセット埋め込みが関係抽出タスクにおける単一ファセット埋め込みを大幅に上回ることを示す。
手動ラベルが存在しない場合、複数の埋め込みを用いて2つの文パターン間の関係を検出することもできる。
- 参考スコア(独自算出の注目度): 35.86329182745948
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Universal schema (USchema) assumes that two sentence patterns that share the
same entity pairs are similar to each other. This assumption is widely adopted
for solving various types of relation extraction (RE) tasks. Nevertheless, each
sentence pattern could contain multiple facets, and not every facet is similar
to all the facets of another sentence pattern co-occurring with the same entity
pair. To address the violation of the USchema assumption, we propose
multi-facet universal schema that uses a neural model to represent each
sentence pattern as multiple facet embeddings and encourage one of these facet
embeddings to be close to that of another sentence pattern if they co-occur
with the same entity pair. In our experiments, we demonstrate that multi-facet
embeddings significantly outperform their single-facet embedding counterpart,
compositional universal schema (CUSchema) (Verga et al., 2016), in distantly
supervised relation extraction tasks. Moreover, we can also use multiple
embeddings to detect the entailment relation between two sentence patterns when
no manual label is available.
- Abstract(参考訳): 普遍スキーマ(USchema)は、同じエンティティペアを共有する2つの文パターンが互いに似ていると仮定する。
この仮定は、様々な種類の関係抽出(RE)タスクを解決するために広く採用されている。
それでも、各文パターンは複数のファセットを含むことができ、全てのファセットが同じエンティティペアと共起する他の文パターンのすべてのファセットと似ているわけではない。
そこで,uschemaの仮定の違反に対処するために,ニューラルネットワークを用いて各文パターンを複数のファセット埋め込みとして表現する多面型ユニバーサルスキーマを提案し,同一のエンティティペアと共用する場合には,これらファセット埋め込みの1つを他の文パターンのそれに近いものにするよう促す。
実験では, 複数面埋め込みは, 遠隔教師付き関係抽出タスクにおいて, 単一面埋め込み方式である構成普遍スキーマ(CUSchema, Verga et al., 2016)よりも有意に優れていることを示した。
また,手動ラベルが存在しない場合,複数の埋め込みを用いて2つの文パターン間の関係を検出することもできる。
関連論文リスト
- Preserving Modality Structure Improves Multi-Modal Learning [64.10085674834252]
大規模マルチモーダルデータセットによる自己教師付き学習は、人間のアノテーションに頼ることなく、意味的に意味のある埋め込みを学ぶことができる。
これらの手法は、モダリティ固有の埋め込みに存在する意味構造を無視して、ドメイン外のデータをうまく一般化するのに苦労することが多い。
共同埋め込み空間におけるモダリティ特異的な関係を保ち, 一般化性を向上させるためのセマンティック・構造保存整合性アプローチを提案する。
論文 参考訳(メタデータ) (2023-08-24T20:46:48Z) - Multimodal Fusion Interactions: A Study of Human and Automatic
Quantification [116.55145773123132]
我々は、人間がマルチモーダル相互作用の2つの分類に注釈を付ける方法を研究する。
本稿では,部分的および対実的ラベルのアノテーションを情報分解に自動的に変換する手法を提案する。
論文 参考訳(メタデータ) (2023-06-07T03:44:50Z) - RexUIE: A Recursive Method with Explicit Schema Instructor for Universal
Information Extraction [47.89362854989252]
ユニバーサル情報抽出(Universal Information extract)は、さまざまなターゲット、異種構造、要求固有のスキーマによって引き起こされる課題によって、関心のある分野である。
これまでは、名前付きエンティティ認識(NER)や関係抽出(RE)など、いくつかのタスクを統合することで、限られた成功しか達成できなかった。
本稿では,ほぼすべての抽出スキーマを含む公式な定式化により,認証UIEを再定義する。
論文 参考訳(メタデータ) (2023-04-28T11:28:56Z) - STAGE: Span Tagging and Greedy Inference Scheme for Aspect Sentiment
Triplet Extraction [17.192861356588597]
Aspect Sentiment Triplet extract (ASTE) は感情分析研究において新たな課題となっている。
Span TAgging and Greedy infErence (STAGE) を提案する。
論文 参考訳(メタデータ) (2022-11-28T02:07:03Z) - It's AI Match: A Two-Step Approach for Schema Matching Using Embeddings [10.732163031244646]
ニューラル埋め込みに基づくスキーママッチングのための新しいエンドツーエンドアプローチを提案する。
以上の結果から,我々の手法は,堅牢かつ信頼性の高い方法で対応を決定可能であることが示唆された。
論文 参考訳(メタデータ) (2022-03-08T19:42:28Z) - SPMoE: Generate Multiple Pattern-Aware Outputs with Sparse Pattern
Mixture of Experts [13.319594929903399]
パターンの言語的概念を導入し、一対一のマッピングを複数の一対一マッピングに分解する。
各1対1マッピングは条件生成パターンに関連付けられ、SPMoEの専門家によってモデル化される。
パラフレーズ生成タスクにおけるSPMoEの性能を評価し,実験結果から,SPMoEは品質,パターンレベルの多様性,コーパスレベルの多様性のバランスが良好であることを証明した。
論文 参考訳(メタデータ) (2021-08-17T09:37:37Z) - UniRE: A Unified Label Space for Entity Relation Extraction [67.53850477281058]
合同エンティティ関係抽出モデルでは、2つのサブタスクに対して2つの分離ラベル空間を設定する。
この設定は、エンティティとリレーション間の情報相互作用を妨げる可能性があると我々は主張する。
本研究では,2つのサブタスクのラベル空間における異なる処理を除去することを提案する。
論文 参考訳(メタデータ) (2021-07-09T08:09:37Z) - Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。
本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
論文 参考訳(メタデータ) (2020-01-09T04:47:14Z)
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。