Fugu-MT 論文翻訳(概要): Deep Neural Networks for Relation Extraction

論文の概要: Deep Neural Networks for Relation Extraction

arxiv url: http://arxiv.org/abs/2104.01799v1
Date: Mon, 5 Apr 2021 07:18:54 GMT
ステータス: 処理完了
システム内更新日: 2021-04-06 21:54:17.496018
Title: Deep Neural Networks for Relation Extraction
Title（参考訳）: 関係抽出のためのディープニューラルネットワーク
Authors: Tapas Nayak
Abstract要約: まず2つのエンティティ間の関係を見つけるためのシンタックス中心のマルチファクタアテンションネットワークモデルを提案する。次に,エンコーダ・デコーダアーキテクチャに基づく2つの関係抽出フレームワークを提案する。
参考スコア（独自算出の注目度）: 3.792085040881007
License: http://creativecommons.org/publicdomain/zero/1.0/
Abstract: Relation extraction from text is an important task for automatic knowledge base population. In this thesis, we first propose a syntax-focused multi-factor attention network model for finding the relation between two entities. Next, we propose two joint entity and relation extraction frameworks based on encoder-decoder architecture. Finally, we propose a hierarchical entity graph convolutional network for relation extraction across documents.
Abstract（参考訳）: テキストからの関係抽出は自動知識ベース集団にとって重要な課題である。本稿ではまず,2つのエンティティ間の関係を見つけるための,構文に着目した多要素アテンションネットワークモデルを提案する。次に,エンコーダ・デコーダアーキテクチャに基づく2つの関係抽出フレームワークを提案する。最後に,文書間の関係抽出のための階層型エンティティグラフ畳み込みネットワークを提案する。

関連論文リスト

CARE: Co-Attention Network for Joint Entity and Relation Extraction [0.0]
本稿では,共同エンティティと関係抽出のためのコ・アテンション・ネットワークを提案する。提案手法では,サブタスク毎に異なる表現を学習するための並列符号化方式を採用する。このアプローチのコアとなるのは,2つのサブタスク間の双方向のインタラクションをキャプチャするコアテンションモジュールです。
論文参考訳（メタデータ） (2023-08-24T03:40:54Z)
HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。重要な洞察は、単語ペア間の複雑な関連を活用することである。実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
論文参考訳（メタデータ） (2023-05-07T14:57:42Z)
ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select [53.071352033539526]
学術論文からN-ary関係を抽出する問題について考察する。提案手法であるReSelは,このタスクを2段階のプロシージャに分解する。 3つの科学的情報抽出データセットに対する実験により、ReSelは最先端のベースラインを大きく上回っていることがわかった。
論文参考訳（メタデータ） (2022-10-26T02:28:02Z)
A Masked Image Reconstruction Network for Document-level Relation Extraction [3.276435438007766]
文書レベルの関係抽出は、複雑な3重関係を抽出するために複数の文に対する推論を必要とする。マスク付き画像再構成ネットワーク(DRE-MIR)に基づく文書レベルの関係抽出モデルを提案する。我々は,3つの公開文書レベルの関係抽出データセットについて,そのモデルを評価する。
論文参考訳（メタデータ） (2022-04-21T02:41:21Z)
A Hierarchical Entity Graph Convolutional Network for Relation Extraction across Documents [29.183245395412705]
本稿では,関係の2つの実体が2つの異なる文書に現れる文書間関係抽出法を提案する。このアイデアに従い、各チェーンが正確に2つのドキュメントを含む2つのホップ関係抽出のためのデータセットを作成する。提案するデータセットは,公開されている文レベルのデータセットよりも高い関係性を示す。
論文参考訳（メタデータ） (2021-08-21T12:33:50Z)
End-to-End Hierarchical Relation Extraction for Generic Form Understanding [0.6299766708197884]
本稿では,エンティティ検出とリンク予測を併用する新しいディープニューラルネットワークを提案する。本モデルでは,複数段階の意図的U-Netアーキテクチャを拡張し,リンク予測のための部分強度場と部分連想場を拡張した。本稿では,ノイズの多い文書データセットの形式理解におけるモデルの有効性を示す。
論文参考訳（メタデータ） (2021-06-02T06:51:35Z)
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)
Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
論文参考訳（メタデータ） (2020-04-26T14:38:11Z)
Bidirectional Graph Reasoning Network for Panoptic Segmentation [126.06251745669107]
本稿では,BGRNet(Bidirectional Graph Reasoning Network)を導入し,前景物と背景物間のモジュラー内およびモジュラー間関係について検討する。 BGRNetはまず、インスタンスとセマンティックセグメンテーションの両方でイメージ固有のグラフを構築し、提案レベルとクラスレベルで柔軟な推論を可能にする。
論文参考訳（メタデータ） (2020-04-14T02:32:10Z)
Cascaded Human-Object Interaction Recognition [175.60439054047043]
マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
論文参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。