論文の概要: Distantly Supervised Relation Extraction with Sentence Reconstruction and Knowledge Base Priors

• arxiv url: http://arxiv.org/abs/2104.08225v1
• Date: Fri, 16 Apr 2021 17:10:19 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-19 14:24:23.664851
• Title: Distantly Supervised Relation Extraction with Sentence Reconstruction and Knowledge Base Priors
• Title（参考訳）: 文再構成と知識ベース優先による遠隔教師付き関係抽出
• Authors: Fenia Christopoulou, Makoto Miwa, Sophia Ananiadou
• Abstract要約: 遠隔教師付き関係抽出を容易にするマルチタスク確率的手法を提案する。 我々は、関係分類器と共同で訓練された変分オートエンコーダ(VAE)を介して文の潜在空間をバイアスする。 知識ベースをVAEに導入する際のさらなる調査により、文空間が知識ベースにシフトできることが明らかになった。
• 参考スコア（独自算出の注目度）: 24.613924372696246
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We propose a multi-task, probabilistic approach to facilitate distantly supervised relation extraction by bringing closer the representations of sentences that contain the same Knowledge Base pairs. To achieve this, we bias the latent space of sentences via a Variational Autoencoder (VAE) that is trained jointly with a relation classifier. The latent code guides the pair representations and influences sentence reconstruction. Experimental results on two datasets created via distant supervision indicate that multi-task learning results in performance benefits. Additional exploration of employing Knowledge Base priors into the VAE reveals that the sentence space can be shifted towards that of the Knowledge Base, offering interpretability and further improving results.
• Abstract（参考訳）: 我々は,同じ知識ベース対を含む文の表現を近接させることにより,遠隔教師付き関係抽出を容易にする多タスク確率的手法を提案する。 これを実現するために、関係分類器と共同で訓練された変分オートエンコーダ(VAE)を用いて文の潜時空間をバイアスする。 潜在コードはペア表現を導き、文の再構築に影響を与える。 遠隔監視による2つのデータセットの実験結果から,マルチタスク学習がパフォーマンス上のメリットをもたらすことが示された。 知識ベースをVAEに導入することに関するさらなる調査により、文空間が知識ベースに移行し、解釈可能性を提供し、その結果をさらに改善できることが明らかになった。

関連論文リスト

• Federated Learning from Vision-Language Foundation Models: Theoretical Analysis and Method [7.261306002808739]
  特徴学習理論を用いて,素早いフェデレーション学習のための理論的分析フレームワークを構築した。 具体的には,信号学習と雑音記憶の進化を,プロンプトに基づくフェデレーション学習で監視する。 本研究では,タスク関連係数とタスク関連係数の比率によって性能を評価することができることを示す。
  論文  参考訳（メタデータ） (2024-09-29T08:31:26Z)
• Deep Boosting Learning: A Brand-new Cooperative Approach for Image-Text Matching [53.05954114863596]
  画像テキストマッチングのための新しいDeep Boosting Learning (DBL)アルゴリズムを提案する。 アンカーブランチは、まずデータプロパティに関する洞察を提供するために訓練される。 ターゲットブランチは、一致したサンプルと未一致のサンプルとの相対距離をさらに拡大するために、より適応的なマージン制約を同時に課される。
  論文  参考訳（メタデータ） (2024-04-28T08:44:28Z)
• Sharing Knowledge in Multi-Task Deep Reinforcement Learning [57.38874587065694]
  マルチタスク強化学習において、ディープニューラルネットワークを効果的に活用するためのタスク間の表現の共有の利点について検討する。 我々は,タスク間で表現を共有するのに便利な条件を強調する理論的保証を提供することで,これを証明している。
  論文  参考訳（メタデータ） (2024-01-17T19:31:21Z)
• Improving Unsupervised Relation Extraction by Augmenting Diverse Sentence Pairs [15.87963432758696]
  非文関係抽出(URE)は、原文から名前付き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。 我々は,文内ペアの増補と,文間ペアの抽出による拡張を併用したAugUREを提案する。 NYT-FBとTACREDデータセットの実験は、提案した関係表現学習と単純なK-Meansクラスタリングが最先端のパフォーマンスを達成することを示した。
  論文  参考訳（メタデータ） (2023-12-01T12:59:32Z)
• Prompt-based Logical Semantics Enhancement for Implicit Discourse Relation Recognition [4.7938839332508945]
  Inlicit Discourse Relation Recognition (IDRR) のための Prompt-based Logical Semantics Enhancement (PLSE) 法を提案する。 提案手法は,事前学習した言語モデルに対する対話関係に関する知識を,素早い接続予測によってシームレスに注入する。 PDTB 2.0 と CoNLL16 データセットによる実験結果から,本手法は現状の最先端モデルに対して優れた一貫し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） (2023-11-01T08:38:08Z)
• Leveraging Knowledge Graph Embeddings to Enhance Contextual Representations for Relation Extraction [0.0]
  コーパススケールに事前学習した知識グラフを組み込んだ文レベルの文脈表現への関係抽出手法を提案する。 提案手法の有望かつ非常に興味深い結果を示す一連の実験を行った。
  論文  参考訳（メタデータ） (2023-06-07T07:15:20Z)
• 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)
• Fair Representation Learning using Interpolation Enabled Disentanglement [9.043741281011304]
  a) 下流タスクに対する学習された表現の有用性を確保しつつ、公平な不整合表現を同時に学べるか、(b) 提案手法が公正かつ正確であるかどうかに関する理論的知見を提供する。 前者に対応するために,補間可能外乱を用いた公正表現学習法FRIEDを提案する。
  論文  参考訳（メタデータ） (2021-07-31T17:32:12Z)
• Learning to Relate Depth and Semantics for Unsupervised Domain Adaptation [87.1188556802942]
  教師なしドメイン適応(UDA)設定において,視覚的タスク関係を符号化してモデル性能を向上させる手法を提案する。 本稿では,意味的および深さ的予測のタスク依存性を符号化する新しいクロスタスク関係層(ctrl)を提案する。 さらに、セマンティック擬似ラベルを利用してターゲットドメインを監督する反復自己学習(ISL)トレーニングスキームを提案する。
  論文  参考訳（メタデータ） (2021-05-17T13:42:09Z)
• ERICA: Improving Entity and Relation Understanding for Pre-trained Language Models via Contrastive Learning [97.10875695679499]
  そこで本研究では, ERICA という新たなコントラスト学習フレームワークを提案し, エンティティとその関係をテキストでより深く理解する。 実験の結果,提案する erica フレームワークは文書レベルの言語理解タスクにおいて一貫した改善を実現することがわかった。
  論文  参考訳（メタデータ） (2020-12-30T03:35:22Z)
• 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)

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。