Fugu-MT 論文翻訳(概要): PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction

論文の概要: PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction

arxiv url: http://arxiv.org/abs/2106.09895v1
Date: Fri, 18 Jun 2021 03:38:07 GMT
ステータス: 処理完了
システム内更新日: 2021-06-21 14:10:30.872367
Title: PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction
Title（参考訳）: PRGC:ポテンシャル関係とグローバル対応に基づく共同関係トリプル抽出
Authors: Hengyi Zheng, Rui Wen, Xi Chen, Yifan Yang, Yunyan Zhang, Ziheng Zhang, Ningyu Zhang, Bin Qin, Ming Xu, Yefeng Zheng
Abstract要約: 我々は、ポテンシャル関係と大域対応(PRGC)に基づく連立三重抽出フレームワークを提案する。 PRGCは、より効率のよい公開ベンチマークで最先端のパフォーマンスを実現し、重複するトリプルの複雑なシナリオで一貫したパフォーマンス向上を実現している。
参考スコア（独自算出の注目度）: 23.998135821388203
License: http://creativecommons.org/licenses/by-nc-nd/4.0/
Abstract: Joint extraction of entities and relations from unstructured texts is a crucial task in information extraction. Recent methods achieve considerable performance but still suffer from some inherent limitations, such as redundancy of relation prediction, poor generalization of span-based extraction and inefficiency. In this paper, we decompose this task into three subtasks, Relation Judgement, Entity Extraction and Subject-object Alignment from a novel perspective and then propose a joint relational triple extraction framework based on Potential Relation and Global Correspondence (PRGC). Specifically, we design a component to predict potential relations, which constrains the following entity extraction to the predicted relation subset rather than all relations; then a relation-specific sequence tagging component is applied to handle the overlapping problem between subjects and objects; finally, a global correspondence component is designed to align the subject and object into a triple with low-complexity. Extensive experiments show that PRGC achieves state-of-the-art performance on public benchmarks with higher efficiency and delivers consistent performance gain on complex scenarios of overlapping triples.
Abstract（参考訳）: 非構造化テキストからのエンティティとリレーションの協調抽出は、情報抽出において重要なタスクである。近年の手法は性能は高いが,関係予測の冗長性,スパンベース抽出の一般化の低さ,非効率性など,いくつかの制約に悩まされている。本稿では,この課題を,新しい視点から関係判断,エンティティ抽出,主観オブジェクトアライメントの3つのサブタスクに分解し,ポテンシャル関係と大域対応(prgc)に基づく結合関係三重項抽出フレームワークを提案する。具体的には、全ての関係ではなく、後続のエンティティ抽出を予測関係サブセットに制約する潜在的関係を予測するコンポーネントを設計し、対象と対象の重なり合う問題に関係性特異的なシーケンスタギングコンポーネントを適用し、最後に、対象と対象を低複雑さで3重に整列するグローバル対応コンポーネントを設計する。 PRGCは高効率な公開ベンチマークで最先端のパフォーマンスを実現し、重複するトリプルの複雑なシナリオで一貫したパフォーマンス向上を実現している。

関連論文リスト

Entity or Relation Embeddings? An Analysis of Encoding Strategies for Relation Extraction [22.469469997734965]
関係抽出は、本質的にはテキスト分類問題であり、事前学習言語モデル(LM)を微調整することで取り組める。既存のアプローチでは、LMを微調整して頭と尾のエンティティの埋め込みを学習し、それらのエンティティの埋め込みから関係を予測する。本稿では,より直接的な方法で関係を捉えることにより,関係抽出モデルを改善することができるという仮説を立てる。
論文参考訳（メタデータ） (2023-12-18T09:58:19Z)
Relation Extraction Model Based on Semantic Enhancement Mechanism [19.700119359495663]
本稿では,CaselRフレームワークと拡張機構を組み合わせたCasAugモデルを提案する。本論文で提案するCasAugモデルでは,ベースラインモデルと比較して,関係抽出の効果が向上した。
論文参考訳（メタデータ） (2023-11-05T04:40:39Z)
BitCoin: Bidirectional Tagging and Supervised Contrastive Learning based Joint Relational Triple Extraction Framework [16.930809038479666]
両方向タギングと教師付きコントラスト学習に基づく連立三重抽出フレームワークであるBitCoinを提案する。具体的には,1つの正に制限するのではなく,複数の正をアンカー毎に考慮した教師付きコントラスト学習手法を設計する。本フレームワークは,対象物から対象物へのトリプル抽出を可能にするため,タグを2方向に実装する。
論文参考訳（メタデータ） (2023-09-21T07:55:54Z)
Learning Complete Topology-Aware Correlations Between Relations for Inductive Link Prediction [97.91714896039421]
関係性間の意味的相関は本質的にエッジレベルとエンティティ非依存であることを示す。本研究では,関係関係のトポロジ・アウェア・コレレーションをモデル化するための新しいサブグラフベース手法,TACOを提案する。 RCNのポテンシャルをさらに活用するために, 完全コモンニアインダストリアルサブグラフを提案する。
論文参考訳（メタデータ） (2023-09-20T08:11:58Z)
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)
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)
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)
SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文参考訳（メタデータ） (2021-09-24T17:37:35Z)
Bridging Text and Knowledge with Multi-Prototype Embedding for Few-Shot Relational Triple Extraction [40.00702385889112]
本稿では,関係三重項の合成を共同で抽出する,新しいマルチプロトタイプ埋め込みネットワークモデルを提案する。我々は、エンティティとリレーションの両方に関するテキストと知識を橋渡しするハイブリッド学習機構を設計する。実験により, 提案手法は, 数発トリプル抽出の性能を向上させることができることを示した。
論文参考訳（メタデータ） (2020-10-30T04:18:39Z)
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)

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。