論文の概要: Multi-Round Parsing-based Multiword Rules for Scientific OpenIE

• arxiv url: http://arxiv.org/abs/2108.02074v1
• Date: Wed, 4 Aug 2021 14:17:48 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-05 16:58:49.572442
• Title: Multi-Round Parsing-based Multiword Rules for Scientific OpenIE
• Title（参考訳）: 科学的openieのためのマルチラウンド解析に基づくマルチワードルール
• Authors: Joseph Kuebler and Lingbo Tong and Meng Jiang
• Abstract要約: OpenIEは、被写体とオブジェクトの関係を記述するリレーショナルなフレーズを識別する。 本稿では,依存関係解析に基づく構造化情報抽出のルールについて述べる。 その結果,提案手法の有効性が示された。
• 参考スコア（独自算出の注目度）: 18.163915930906693
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Information extraction (IE) in scientific literature has facilitated many down-stream tasks. OpenIE, which does not require any relation schema but identifies a relational phrase to describe the relationship between a subject and an object, is being a trending topic of IE in sciences. The subjects, objects, and relations are often multiword expressions, which brings challenges for methods to identify the boundaries of the expressions given very limited or even no training data. In this work, we present a set of rules for extracting structured information based on dependency parsing that can be applied to any scientific dataset requiring no expert's annotation. Results on novel datasets show the effectiveness of the proposed method. We discuss negative results as well.
• Abstract（参考訳）: 科学文献における情報抽出(IE)は多くの下流業務を促進してきた。 OpenIEは、関係スキーマを必要としないが、主題とオブジェクトの関係を記述するリレーショナルフレーズを識別するが、科学におけるIEのトレンドトピックである。 主題、オブジェクト、関係はしばしばマルチワード表現であり、非常に限定的あるいは訓練データなしで与えられた表現の境界を特定する方法の課題をもたらす。 本稿では,専門家のアノテーションを必要とせず,任意の科学的データセットに適用可能な依存関係解析に基づく構造化情報抽出規則を提案する。 その結果,提案手法の有効性が示された。 否定的な結果も議論する。

関連論文リスト

• SciER: An Entity and Relation Extraction Dataset for Datasets, Methods, and Tasks in Scientific Documents [49.54155332262579]
  我々は,科学論文のデータセット,メソッド,タスクに関連するエンティティに対して,新たなエンティティと関係抽出データセットをリリースする。 我々のデータセットには、24k以上のエンティティと12kの関係を持つ106の注釈付きフルテキストの科学出版物が含まれています。
  論文  参考訳（メタデータ） (2024-10-28T15:56:49Z)
• Dissecting Paraphrases: The Impact of Prompt Syntax and supplementary Information on Knowledge Retrieval from Pretrained Language Models [8.588056811772693]
  ConPARE-LAMAは、3400万の異なるプロンプトからなるプローブで、最小限のパラフレーズ間での比較を容易にする。 ConPARE-LAMAは, PLMの知識検索性能に対する統語的形態や意味情報の独立的な影響についての洞察を可能にする。
  論文  参考訳（メタデータ） (2024-04-02T14:35:08Z)
• CARE: Extracting Experimental Findings From Clinical Literature [29.763929941107616]
  本研究は,臨床所見抽出のための新しいIEデータセットであるCAREを提示する。 我々は,エンティティと属性間のn-ary関係として微細な発見をキャプチャする新しいアノテーションスキーマを開発した。 臨床治験と症例報告の2つの資料から,700件の要約の広範な注釈を収集した。
  論文  参考訳（メタデータ） (2023-11-16T10:06:19Z)
• Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
  汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。 ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
  論文  参考訳（メタデータ） (2023-05-04T16:04:41Z)
• 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)
• CitationIE: Leveraging the Citation Graph for Scientific Information Extraction [89.33938657493765]
  引用論文と引用論文の参照リンクの引用グラフを使用する。 最先端技術に対するエンド・ツー・エンドの情報抽出の大幅な改善を観察する。
  論文  参考訳（メタデータ） (2021-06-03T03:00:12Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• A Comparative Study on Structural and Semantic Properties of Sentence Embeddings [77.34726150561087]
  本稿では,関係抽出に広く利用されている大規模データセットを用いた実験セットを提案する。 異なる埋め込み空間は、構造的および意味的特性に対して異なる強度を持つことを示す。 これらの結果は,埋め込み型関係抽出法の開発に有用な情報を提供する。
  論文  参考訳（メタデータ） (2020-09-23T15:45:32Z)
• Extracting Semantic Concepts and Relations from Scientific Publications by Using Deep Learning [0.0]
  本研究の目的は,学術出版物から意味概念と関係を自動的に抽出する提案を行うことである。 本稿では,意味関係の新たなタイプを提案するとともに,意味関係抽出に深層学習(DL)モデルを用いる点を指摘する。
  論文  参考訳（メタデータ） (2020-09-01T10:19:18Z)
• Edge-Enhanced Graph Convolution Networks for Event Detection with Syntactic Relation [14.823029993354794]
  イベント検出は情報抽出の重要なサブタスクである。 エッジ拡張グラフ畳み込みネットワーク(EE-GCN)という新しいアーキテクチャを提案する。 EE-GCNは構文構造と型付き依存ラベル情報を利用してEDを実行する。
  論文  参考訳（メタデータ） (2020-02-25T09:18:26Z)

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。