論文の概要: TREND: Trigger-Enhanced Relation-Extraction Network for Dialogues

• arxiv url: http://arxiv.org/abs/2108.13811v1
• Date: Tue, 31 Aug 2021 13:04:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-01 14:32:07.853232
• Title: TREND: Trigger-Enhanced Relation-Extraction Network for Dialogues
• Title（参考訳）: TREND: 対話のためのトリガー強化関係抽出ネットワーク
• Authors: Po-Wei Lin, Shang-Yu Su, Yun-Nung Chen
• Abstract要約: 本稿では,関係抽出を改善するためのトリガの同定を学習するマルチタスクBERTモデルTRENDを提案する。 実験結果から,提案手法がベンチマークデータセットの最先端性を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 37.883583724569554
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: The goal of dialogue relation extraction (DRE) is to identify the relation between two entities in a given dialogue. During conversations, speakers may expose their relations to certain entities by some clues, such evidences called "triggers". However, none of the existing work on DRE tried to detect triggers and leverage the information for enhancing the performance. This paper proposes TREND, a multi-tasking BERT-based model which learns to identify triggers for improving relation extraction. The experimental results show that the proposed method achieves the state-of-the-art on the benchmark datasets.
• Abstract（参考訳）: 対話関係抽出(dre)の目的は、与えられた対話における2つの実体間の関係を識別することである。 会話の間、話者は「トリガー(triggers)」と呼ばれるような証拠によって特定の実体に関係を暴露することがある。 しかし、DREの既存の作業は、トリガーを検出し、その情報を利用してパフォーマンスを向上しようとしなかった。 本稿では,関係抽出を改善するためのトリガの同定を学習するマルチタスクBERTモデルTRENDを提案する。 実験の結果,提案手法はベンチマークデータセットの最先端性を達成できることがわかった。

関連論文リスト

• Zero-Shot Dialogue Relation Extraction by Relating Explainable Triggers and Relation Names [28.441725610692714]
  本稿では,トリガを捕捉し,これまで見つからなかった関係名に関連付ける能力を活用する手法を提案する。 ベンチマークのDialogREデータセットを用いた実験により,提案モデルが目視関係と目視関係の両面で有意な改善を達成できることが示された。
  論文  参考訳（メタデータ） (2023-06-09T07:10:01Z)
• TLAG: An Informative Trigger and Label-Aware Knowledge Guided Model for Dialogue-based Relation Extraction [43.98737106776455]
  対話に基づく関係抽出(DRE)は、対話で言及される引数ペアの関係型を予測することを目的としている。 本稿では,トリガとラベル認識の知識をフル活用して関係抽出を導くTLAGを提案する。 DialogREデータセットの実験結果から,私たちのTLAGはベースラインモデルよりも優れています。
  論文  参考訳（メタデータ） (2023-03-30T03:10:28Z)
• GRASP: Guiding model with RelAtional Semantics using Prompt [3.1275060062551208]
  本稿では Prompt (GRASP) を用いたRelAtional Semantics を用いた誘導モデルを提案する。 我々は、プロンプトベースの微調整アプローチを採用し、引数を意識したプロンプトマーカー戦略を用いて、ある対話における関係意味的手がかりをキャプチャする。 実験では、DialogREデータセット上でのF1とF1cのスコアの観点から、GRASPの最先端のパフォーマンスが評価された。
  論文  参考訳（メタデータ） (2022-08-26T08:19:28Z)
• D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
  この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。 本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。 約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
  論文  参考訳（メタデータ） (2021-09-10T22:30:48Z)
• 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)
• 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)
• DCR-Net: A Deep Co-Interactive Relation Network for Joint Dialog Act Recognition and Sentiment Classification [77.59549450705384]
  ダイアログシステムでは、ダイアログアクト認識と感情分類は2つの相関タスクである。 既存のシステムのほとんどは、それらを別々のタスクとして扱うか、単に2つのタスクを一緒にモデル化するだけです。 本稿では,2つのタスク間の相互作用をモデル化するディープ・コ・インタラクティブ・リレーショナル・ネットワーク(DCR-Net)を提案する。
  論文  参考訳（メタデータ） (2020-08-16T14:13:32Z)
• Dialogue-Based Relation Extraction [53.2896545819799]
  本稿では,人間による対話型関係抽出(RE)データセットDialogREを提案する。 我々は,対話型タスクと従来のREタスクの類似点と相違点の分析に基づいて,提案課題において話者関連情報が重要な役割を担っていると論じる。 実験結果から,ベストパフォーマンスモデルにおける話者認識の拡張が,標準設定と会話評価設定の両方において向上することが示された。
  論文  参考訳（メタデータ） (2020-04-17T03:51:57Z)

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。

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。