論文の概要: Entity Linking Meets Deep Learning: Techniques and Solutions

• arxiv url: http://arxiv.org/abs/2109.12520v1
• Date: Sun, 26 Sep 2021 07:57:38 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-28 15:58:48.669017
• Title: Entity Linking Meets Deep Learning: Techniques and Solutions
• Title（参考訳）: エンティティリンクがディープラーニングを実現する - テクニックとソリューション
• Authors: Wei Shen, Yuhan Li, Yinan Liu, Jiawei Han, Jianyong Wang, Xiaojie Yuan
• Abstract要約: 本稿では,既存のディープラーニングに基づくEL手法の総合的なレビューと分析を行う。 組込み,特徴,アルゴリズムの3つの軸を用いて既存のDLベースのEL手法を整理する新しい分類法を提案する。 データセット上でのDLに基づくEL法の定量的性能解析を行う。
• 参考スコア（独自算出の注目度）: 49.017379833990155
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity linking (EL) is the process of linking entity mentions appearing in web text with their corresponding entities in a knowledge base. EL plays an important role in the fields of knowledge engineering and data mining, underlying a variety of downstream applications such as knowledge base population, content analysis, relation extraction, and question answering. In recent years, deep learning (DL), which has achieved tremendous success in various domains, has also been leveraged in EL methods to surpass traditional machine learning based methods and yield the state-of-the-art performance. In this survey, we present a comprehensive review and analysis of existing DL based EL methods. First of all, we propose a new taxonomy, which organizes existing DL based EL methods using three axes: embedding, feature, and algorithm. Then we systematically survey the representative EL methods along the three axes of the taxonomy. Later, we introduce ten commonly used EL data sets and give a quantitative performance analysis of DL based EL methods over these data sets. Finally, we discuss the remaining limitations of existing methods and highlight some promising future directions.
• Abstract（参考訳）: エンティティリンク(el)は、webテキストに現れるエンティティ言及と、それに対応するエンティティを知識ベースでリンクするプロセスである。 ELは知識工学やデータマイニングの分野で重要な役割を担い、知識ベース人口、コンテンツ分析、関係抽出、質問応答など様々なダウンストリームアプリケーションの基礎となっている。 近年,様々な分野において大きな成功を収めたディープラーニング(DL)は,従来の機械学習手法を超越し,最先端のパフォーマンスを得るためにEL手法にも活用されている。 本稿では,既存の DL ベースの EL 手法の総合的なレビューと解析を行う。 まず、埋め込み、特徴、アルゴリズムの3つの軸を用いて既存のDLベースのELメソッドを整理する新しい分類法を提案する。 次に,分類学の3つの軸に沿って,代表的EL法を体系的に調査する。 その後、一般的に使用されている10個のELデータセットを導入し、これらのデータセット上でDLベースのELメソッドの定量的性能解析を行う。 最後に,既存手法の限界について考察し,今後の展望を明らかにする。

関連論文リスト

• Real World Conversational Entity Linking Requires More Than Zeroshots [50.5691094768954]
  本研究では,資源制約下でのELモデルの有効性を評価するための評価シナリオを設計する。 本稿では、Fandomと新しいゼロショット対話型エンティティリンクデータセットを用いて、ELモデルの未知KBへの一般化能力を評価する。 その結果,既存のゼロショットELモデルでは,事前トレーニングなしで新しいドメイン固有KBを導入するとフェールすることがわかった。
  論文  参考訳（メタデータ） (2024-09-02T10:37:53Z)
• Multilingual Entity Linking Using Dense Retrieval [0.0]
  本論文では,複数の言語で高速に学習・操作できるシステムを開発する。 我々の研究は、限られたリソースでも複数の言語で動作する競争力のあるニューラルネットワークベースのELシステムを構築することが可能であることを示している。
  論文  参考訳（メタデータ） (2024-05-13T18:57:27Z)
• A Survey on Deep Active Learning: Recent Advances and New Frontiers [27.07154361976248]
  この研究は、ディープラーニングに基づくアクティブラーニング(DAL)の難しさを克服する上で、研究者にとって有用かつ迅速なガイドとなることを目的としている。 この手法は適用可能性の広さから人気が高まりつつあるが、特にディープラーニングに基づくアクティブラーニング(DAL)に関する調査論文は乏しいままである。
  論文  参考訳（メタデータ） (2024-05-01T05:54:33Z)
• Large Language Models for Generative Information Extraction: A Survey [89.71273968283616]
  大規模言語モデル(LLM)は、テキスト理解と生成において顕著な能力を示した。 各種IEサブタスクと技術の観点から,これらの作品を分類して概観する。 我々は,最も先進的な手法を実証的に分析し,LLMによるIEタスクの出現傾向を明らかにする。
  論文  参考訳（メタデータ） (2023-12-29T14:25:22Z)
• A Survey of Graph Meets Large Language Model: Progress and Future Directions [38.63080573825683]
  大規模言語モデル(LLM)は、様々な領域で大きな成功を収めています。 LLMはグラフ関連タスクに活用され、従来のグラフニューラルネットワーク(GNN)ベースの手法を超越している。
  論文  参考訳（メタデータ） (2023-11-21T07:22:48Z)
• DIVKNOWQA: Assessing the Reasoning Ability of LLMs via Open-Domain Question Answering over Knowledge Base and Text [73.68051228972024]
  大きな言語モデル(LLM)は印象的な生成能力を示すが、内部知識に依存すると幻覚に悩まされる。 検索拡張LDMは、外部知識においてLLMを基盤とする潜在的な解決策として出現している。
  論文  参考訳（メタデータ） (2023-10-31T04:37:57Z)
• Recent Few-Shot Object Detection Algorithms: A Survey with Performance Comparison [54.357707168883024]
  Few-Shot Object Detection (FSOD)は、人間の学習能力を模倣する。 FSODは、学習した汎用オブジェクトの知識を共通のヘビーテールから新しいロングテールオブジェクトクラスにインテリジェントに転送する。 本稿では,問題定義,共通データセット,評価プロトコルなどを含むFSODの概要を紹介する。
  論文  参考訳（メタデータ） (2022-03-27T04:11:28Z)
• Better Together -- An Ensemble Learner for Combining the Results of Ready-made Entity Linking Systems [2.163881720692685]
  我々は、同一コーパス上の異なるELシステムの結果を活用することで、性能を最適化できると主張している。 本稿では,複数の既製のELシステムの出力を,インメンションごとに正しいリンクを予測することで活用する,監視手法を提案する。
  論文  参考訳（メタデータ） (2021-01-14T14:42:57Z)
• CorDEL: A Contrastive Deep Learning Approach for Entity Linkage [70.82533554253335]
  エンティティリンケージ(EL)は、データのクリーニングと統合において重要な問題である。 新たなデータの増加に伴い、ディープラーニング(DL)ベースのアプローチが提案され、従来のモデルに付随するELの高コスト化が図られている。 我々は、ツインネットワークアーキテクチャはELに準最適であり、既存のモデルに固有の欠点をもたらすと主張している。
  論文  参考訳（メタデータ） (2020-09-15T16:33:05Z)

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。