論文の概要: Hierarchical Relation-Guided Type-Sentence Alignment for Long-Tail Relation Extraction with Distant Supervision

• arxiv url: http://arxiv.org/abs/2109.09036v1
• Date: Sun, 19 Sep 2021 00:46:57 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-21 16:38:22.829031
• Title: Hierarchical Relation-Guided Type-Sentence Alignment for Long-Tail Relation Extraction with Distant Supervision
• Title（参考訳）: 遠隔監視によるロングテール関係抽出のための階層的関係誘導型sentenceアライメント
• Authors: Yang Li, Guodong Long, Tao Shen, Jing Jiang
• Abstract要約: 本稿では,遠隔教師付き文をエンティティタイプで強化する新しいモデルを提案する。 本手法は,(1)文脈自由と関連背景の両方を注入して文レベルの誤りラベルを緩和するペアワイズ型エンリッチ化文符号化モジュールと,(2)三重事実の基本属性で文を豊かにする階層型センテンスアライメントモジュールとから構成される。
• 参考スコア（独自算出の注目度）: 33.641404898790405
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Distant supervision uses triple facts in knowledge graphs to label a corpus for relation extraction, leading to wrong labeling and long-tail problems. Some works use the hierarchy of relations for knowledge transfer to long-tail relations. However, a coarse-grained relation often implies only an attribute (e.g., domain or topic) of the distant fact, making it hard to discriminate relations based solely on sentence semantics. One solution is resorting to entity types, but open questions remain about how to fully leverage the information of entity types and how to align multi-granular entity types with sentences. In this work, we propose a novel model to enrich distantly-supervised sentences with entity types. It consists of (1) a pairwise type-enriched sentence encoding module injecting both context-free and -related backgrounds to alleviate sentence-level wrong labeling, and (2) a hierarchical type-sentence alignment module enriching a sentence with the triple fact's basic attributes to support long-tail relations. Our model achieves new state-of-the-art results in overall and long-tail performance on benchmarks.
• Abstract（参考訳）: 距離監督は知識グラフの3つの事実を使って関係抽出のためのコーパスをラベル付けし、誤ったラベル付けと長い尾の問題を引き起こす。 長い尾関係への知識伝達に関係の階層を用いる研究もある。 しかし、粗い粒度の関係は、しばしば遠い事実の属性(例えば、ドメインやトピック)のみを意味するため、文の意味論のみに基づく関係の識別が困難である。 ひとつの解決策はエンティティタイプに頼ることだが、エンティティタイプの情報を完全に活用する方法や、多面的なエンティティタイプを文にアライメントする方法について、オープンな疑問が残る。 本研究では,遠隔教師付き文をエンティティタイプで強化する新しいモデルを提案する。 本手法は,(1)文脈自由と関連背景の両方を注入して文レベルの誤りラベルを緩和するペアワイズ型エンリッチ化文符号化モジュールと,(2)三重事実の基本属性で文を豊かにする階層型センテンスアライメントモジュールとから構成される。 本モデルでは,ベンチマークの総合的および長期的パフォーマンスにおいて,最先端の新たな結果が得られる。

関連論文リスト

• Graph-tree Fusion Model with Bidirectional Information Propagation for Long Document Classification [20.434941308959786]
  長い文書分類は、その広範な内容と複雑な構造のために困難を呈する。 既存のメソッドはトークン制限に苦しむことが多く、ドキュメント内の階層的関係を適切にモデル化することができない。 本手法は,文エンコーディングのための構文木と文書エンコーディングのための文書グラフを統合し,より詳細な構文関係とより広い文書コンテキストを抽出する。
  論文  参考訳（メタデータ） (2024-10-03T19:25:01Z)
• Multi-Label Classification for Implicit Discourse Relation Recognition [10.280148603465697]
  暗黙的な談話関係認識のための多言語分類フレームワークについて検討する。 本研究では,複数ラベルの分類手法が単一ラベルの予測性能を低下させないことを示す。
  論文  参考訳（メタデータ） (2024-06-06T19:37:25Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
  文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。 最初にBERTを使用して、グローバルな視点から入力文をエンコードします。 次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。 関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
  論文  参考訳（メタデータ） (2020-12-16T13:11:30Z)
• Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
  原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。 予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
  論文  参考訳（メタデータ） (2020-11-27T10:43:04Z)
• Learning Relation Prototype from Unlabeled Texts for Long-tail Relation Extraction [84.64435075778988]
  本稿では,ラベルのないテキストから関係プロトタイプを学習するための一般的なアプローチを提案する。 我々は、エンティティ間の暗黙的な要因として関係プロトタイプを学習する。 私たちは、New York TimesとGoogle Distant Supervisionの2つの公開データセットで実験を行います。
  論文  参考訳（メタデータ） (2020-11-27T06:21:12Z)
• Extracting N-ary Cross-sentence Relations using Constrained Subsequence Kernel [36.86738081453646]
  本稿では,関係が文内関係よりも一般的である関係抽出タスクの新たな定式化を提案する。 このような関係のインスタンスを特徴付ける新しいシーケンス表現を提案する。 バイオメディカルドメインとジェネラルドメインという2つの領域にまたがる3つのデータセットに対するアプローチを評価した。
  論文  参考訳（メタデータ） (2020-06-15T07:23:58Z)

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。