Fugu-MT 論文翻訳(概要): Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction

論文の概要: Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction

arxiv url: http://arxiv.org/abs/2106.01793v1
Date: Thu, 3 Jun 2021 12:29:40 GMT
ステータス: 処理完了
システム内更新日: 2021-06-04 16:15:18.697081
Title: Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction
Title（参考訳）: 必要な文は3つです:ローカルパス強化文書関係抽出
Authors: Quzhe Huang, Shengqi Zhu, Yansong Feng, Yuan Ye, Yuxuan Lai, Dongyan Zhao
Abstract要約: 本稿では,文書レベルREのエビデンス文を選択するための,恥ずかしいほど単純だが効果的な方法を提案する。私たちはhttps://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.comでコードを公開しました。
参考スコア（独自算出の注目度）: 54.95848026576076
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Document-level Relation Extraction (RE) is a more challenging task than sentence RE as it often requires reasoning over multiple sentences. Yet, human annotators usually use a small number of sentences to identify the relationship between a given entity pair. In this paper, we present an embarrassingly simple but effective method to heuristically select evidence sentences for document-level RE, which can be easily combined with BiLSTM to achieve good performance on benchmark datasets, even better than fancy graph neural network based methods. We have released our code at https://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.
Abstract（参考訳）: 文書レベルの関係抽出(RE)は、複数の文に対する推論を必要とする場合が多いため、文REよりも難しい作業である。しかし、人間の注釈は通常、与えられたエンティティペア間の関係を特定するために少数の文を使用する。本稿では,文書レベルreのための証拠文をヒューリスティックに選択する手法を提案する。この手法はbilstmと組み合わせることで,グラフニューラルネットワークベースの手法よりも優れたベンチマークデータセットのパフォーマンスを実現することができる。私たちはコードをhttps://github.com/andrewzhe/three-sentences-are-you- neededでリリースした。

関連論文リスト

Reward-based Input Construction for Cross-document Relation Extraction [11.52832308525974]
クロスドキュメント関係抽出(RE)は自然言語処理の基本的な課題である。本稿では,Reward-based Input Construction (REIC)を提案する。 REICはリレーショナルエビデンスに基づいて文を抽出し、REモジュールが効率的に関係を推測することを可能にする。
論文参考訳（メタデータ） (2024-05-31T07:30:34Z)
AutoRE: Document-Level Relation Extraction with Large Language Models [27.426703757501507]
我々は、RHF(Relation-Head-Facts)という新しいRE抽出パラダイムを採用した、エンド・ツー・エンドのDocREモデルであるAutoREを紹介する。既存のアプローチとは異なり、AutoREは既知の関係オプションの仮定に依存しておらず、現実のシナリオをより反映している。 RE-DocREDデータセットの実験では、AutoREの最高のパフォーマンスを示し、最先端の結果が得られました。
論文参考訳（メタデータ） (2024-03-21T23:48:21Z)
Are the Best Multilingual Document Embeddings simply Based on Sentence Embeddings? [18.968571816913208]
本稿では,LASER,LaBSE,Sentence BERTを事前学習した多言語モデルに基づく文から文書レベルの表現を生成する手法を体系的に比較する。文の埋め込みの巧妙な組み合わせは、通常、全文書を単一の単位としてエンコードするよりも優れていることを示す。
論文参考訳（メタデータ） (2023-04-28T12:11:21Z)
Enriching Relation Extraction with OpenIE [70.52564277675056]
関係抽出(RE)は情報抽出(IE)のサブ分野である本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
論文参考訳（メタデータ） (2022-12-19T11:26:23Z)
Not Just Plain Text! Fuel Document-Level Relation Extraction with Explicit Syntax Refinement and Subsentence Modeling [3.9436257406798925]
expLicit syntAx Refinement and Subsentence mOdeliNg based framework (LARSON)を提案する。余分な構文情報を導入することで、LARSONは任意の粒度のサブ文をモデル化し、効果的なインストラクティブを表示できる。 3つのベンチマークデータセット(DocRED、CDR、GDA)の実験結果から、LARSONは既存の手法よりも大幅に優れていることが示された。
論文参考訳（メタデータ） (2022-11-10T05:06:37Z)
Text Summarization with Oracle Expectation [88.39032981994535]
抽出要約は、文書の中で最も重要な文を識別し、連結することによって要約を生成する。ほとんどの要約データセットは、文書文が要約に値するかどうかを示す金のラベルを持っていない。本稿では,ソフトな予測に基づく文ラベルを生成する,シンプルで効果的なラベル付けアルゴリズムを提案する。
論文参考訳（メタデータ） (2022-09-26T14:10:08Z)
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)
An Embarrassingly Simple Model for Dialogue Relation Extraction [44.2379205657313]
対話reをマルチラベル分類タスクとしてモデル化し,simplereという単純かつ効果的なモデルを提案する。 simplere は対話における複数の関係間の相互関係を新しい入力形式 bert relation token sequence (brs) によって捉えるリレーショナルリファインメントゲート(RRG)は、関係固有の意味表現を適応的に抽出するように設計されている。
論文参考訳（メタデータ） (2020-12-27T06:22:23Z)
ASSET: A Dataset for Tuning and Evaluation of Sentence Simplification Models with Multiple Rewriting Transformations [97.27005783856285]
本稿では,英語で文の単純化を評価するための新しいデータセットであるASSETを紹介する。 ASSETの単純化は、タスクの他の標準評価データセットと比較して、単純さの特徴を捉えるのに優れていることを示す。
論文参考訳（メタデータ） (2020-05-01T16:44:54Z)
Extractive Summarization as Text Matching [123.09816729675838]
本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。抽出した要約タスクを意味テキストマッチング問題として定式化する。我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
論文参考訳（メタデータ） (2020-04-19T08:27:57Z)

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。