論文の概要: ASPER: Attention-based Approach to Extract Syntactic Patterns denoting
Semantic Relations in Sentential Context
- arxiv url: http://arxiv.org/abs/2104.01523v1
- Date: Sun, 4 Apr 2021 02:36:19 GMT
- ステータス: 処理完了
- システム内更新日: 2021-04-06 14:44:10.956540
- Title: ASPER: Attention-based Approach to Extract Syntactic Patterns denoting
Semantic Relations in Sentential Context
- Title(参考訳): asper:感性文脈における意味関係を示す構文パターン抽出のための注意に基づくアプローチ
- Authors: Md. Ahsanul Kabir, Typer Phillips, Xiao Luo, Mohammad Al Hasan
- Abstract要約: 本稿では,意味的関係を示すエンティティ間の統語的パターンを意味的文脈で抽出する,注意に基づく教師付きディープラーニングモデルASPERを提案する。
我々は,6つのデータセットにおけるhypnym-hypernym, cause-effect, meronym-holonymの3つの意味関係について,asperの性能を検証する。
これらの意味関係について、ASPERは文中の一対のエンティティ間のそのような関係の存在を反映した構文パターンのコレクションを自動的に識別することができる。
- 参考スコア(独自算出の注目度): 2.175490119265481
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Semantic relationships, such as hyponym-hypernym, cause-effect,
meronym-holonym etc. between a pair of entities in a sentence are usually
reflected through syntactic patterns. Automatic extraction of such patterns
benefits several downstream tasks, including, entity extraction, ontology
building, and question answering. Unfortunately, automatic extraction of such
patterns has not yet received much attention from NLP and information retrieval
researchers. In this work, we propose an attention-based supervised deep
learning model, ASPER, which extracts syntactic patterns between entities
exhibiting a given semantic relation in the sentential context. We validate the
performance of ASPER on three distinct semantic relations -- hyponym-hypernym,
cause-effect, and meronym-holonym on six datasets. Experimental results show
that for all these semantic relations, ASPER can automatically identify a
collection of syntactic patterns reflecting the existence of such a relation
between a pair of entities in a sentence. In comparison to the existing
methodologies of syntactic pattern extraction, ASPER's performance is
substantially superior.
- Abstract(参考訳): 意味関係(hyponym-hypernym, cause-effect, meronym-holonymなど)。
文中の一対の実体の間には通常、構文パターンによって反映される。
このようなパターンの自動抽出は、エンティティ抽出、オントロジー構築、質問応答など、いくつかの下流タスクに役立つ。
残念ながら、そのようなパターンの自動抽出はまだNLPや情報検索研究者からはあまり注目されていない。
本研究では,ある意味的関係を示すエンティティ間の統語的パターンを意味的文脈で抽出する,注意に基づく教師付きディープラーニングモデルASPERを提案する。
我々は,6つのデータセットにおけるhypnym-hypernym, cause-effect, meronym-holonymの3つの意味関係について,asperの性能を検証する。
実験の結果,これらすべての意味関係に対して,文中の一対の実体間の関係を反映した構文パターンの集合を自動的に識別できることが示唆された。
既存の構文パターン抽出手法と比較して,ASPERの性能は著しく優れている。
関連論文リスト
- 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) - A Hybrid Approach To Aspect Based Sentiment Analysis Using Transfer Learning [3.30307212568497]
本稿では,移動学習を用いたアスペクトベース感性分析のためのハイブリッド手法を提案する。
このアプローチは、大きな言語モデル(LLM)と従来の構文的依存関係の両方の長所を利用して、弱い教師付きアノテーションを生成することに焦点を当てている。
論文 参考訳(メタデータ) (2024-03-25T23:02:33Z) - Syntax and Semantics Meet in the "Middle": Probing the Syntax-Semantics
Interface of LMs Through Agentivity [68.8204255655161]
このような相互作用を探索するためのケーススタディとして,作用性のセマンティックな概念を提示する。
これは、LMが言語アノテーション、理論テスト、発見のためのより有用なツールとして役立つ可能性を示唆している。
論文 参考訳(メタデータ) (2023-05-29T16:24:01Z) - FGSI: Distant Supervision for Relation Extraction method based on
Fine-Grained Semantic Information [2.6587175537360137]
文内のキーセマンティック情報は、エンティティの関係抽出において重要な役割を果たす。
本稿では,文内のキーセマンティック情報が,エンティティ関係抽出において重要な役割を果たすという仮説を提案する。
提案した関係抽出モデルは、利用可能な正のセマンティック情報を完全に活用することができる。
論文 参考訳(メタデータ) (2023-02-04T03:30:07Z) - HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised
Relation Extraction [60.80849503639896]
非教師なし関係抽出は、関係範囲や分布に関する事前情報のない自然言語文からエンティティ間の関係を抽出することを目的としている。
本稿では,階層間注目を用いた階層的特徴空間から階層的信号を導出する機能を持つ,HiUREという新しいコントラスト学習フレームワークを提案する。
2つの公開データセットの実験結果は、最先端モデルと比較した場合の教師なし関係抽出におけるHiUREの有効性とロバスト性を示す。
論文 参考訳(メタデータ) (2022-05-04T17:56:48Z) - 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) - 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) - Introducing Syntactic Structures into Target Opinion Word Extraction
with Deep Learning [89.64620296557177]
目的語抽出のためのディープラーニングモデルに文の構文構造を組み込むことを提案する。
また,ディープラーニングモデルの性能向上のために,新たな正規化手法を導入する。
提案モデルは,4つのベンチマークデータセット上での最先端性能を広範囲に解析し,達成する。
論文 参考訳(メタデータ) (2020-10-26T07:13:17Z) - 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)
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。