論文の概要: A Simple but Effective Bidirectional Extraction Framework for Relational Triple Extraction

• arxiv url: http://arxiv.org/abs/2112.04940v1
• Date: Thu, 9 Dec 2021 14:17:33 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-10 14:21:04.959958
• Title: A Simple but Effective Bidirectional Extraction Framework for Relational Triple Extraction
• Title（参考訳）: リレーショナルトリプル抽出のための単純かつ効果的な双方向抽出フレームワーク
• Authors: Feiliang Ren, Longhui Zhang, Xiaofeng Zhao, Shujuan Yin, Shilei Liu, Bochao Li
• Abstract要約: 近年,タグに基づくリレーショナルトリプル抽出手法が研究の注目を集めている。 これらの手法の多くは、まず全ての対象を抽出し、抽出された対象に基づいて対象と関係を同時に抽出する一方向抽出の枠組みを採っている。 この枠組みには、被験者の抽出結果に敏感すぎるという明らかな欠陥がある。 2つの相補的な方向から抽出されたエンティティペアに基づいて三重項を抽出する双方向抽出フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 0.9926500244448218
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Tagging based relational triple extraction methods are attracting growing research attention recently. However, most of these methods take a unidirectional extraction framework that first extracts all subjects and then extracts objects and relations simultaneously based on the subjects extracted. This framework has an obvious deficiency that it is too sensitive to the extraction results of subjects. To overcome this deficiency, we propose a bidirectional extraction framework based method that extracts triples based on the entity pairs extracted from two complementary directions. Concretely, we first extract all possible subject-object pairs from two paralleled directions. These two extraction directions are connected by a shared encoder component, thus the extraction features from one direction can flow to another direction and vice versa. By this way, the extractions of two directions can boost and complement each other. Next, we assign all possible relations for each entity pair by a biaffine model. During training, we observe that the share structure will lead to a convergence rate inconsistency issue which is harmful to performance. So we propose a share-aware learning mechanism to address it. We evaluate the proposed model on multiple benchmark datasets. Extensive experimental results show that the proposed model is very effective and it achieves state-of-the-art results on all of these datasets. Moreover, experiments show that both the proposed bidirectional extraction framework and the share-aware learning mechanism have good adaptability and can be used to improve the performance of other tagging based methods. The source code of our work is available at: https://github.com/neukg/BiRTE.
• Abstract（参考訳）: 近年,タグに基づくリレーショナルトリプル抽出手法が研究の注目を集めている。 しかし,これらの手法の多くは,まず全対象を抽出し,抽出対象に基づいて対象と関係を同時に抽出する一方向抽出の枠組みを採っている。 この枠組みには、被験者の抽出結果に敏感すぎるという明らかな欠陥がある。 この欠点を克服するために,2つの相補的な方向から抽出されたエンティティペアに基づいて三重項を抽出する双方向抽出フレームワークを提案する。 具体的には、2つの平行方向から全ての対象物対を抽出する。 これら2つの抽出方向は共有エンコーダコンポーネントによって接続されるため、一方の方向からの抽出特徴は他方の方向に流れることができ、逆もまた可能である。 このようにして、2つの方向の抽出は相互に促進し補完することができる。 次に、各エンティティペアの可能なすべての関係をバフィンモデルで割り当てる。 トレーニング中、共有構造が、パフォーマンスに有害な収束率の不整合問題につながることを観察する。 そこで我々は,それに対応する共有学習機構を提案する。 提案したモデルを複数のベンチマークデータセット上で評価する。 大規模な実験結果から,提案モデルは非常に有効であり,これらすべてのデータセットに対して最先端の結果が得られた。 さらに,提案する双方向抽出フレームワークと共有認識学習機構の両方が適応性が高く,他のタグ付けベース手法の性能向上に利用できることを示す実験を行った。 私たちの作業のソースコードは、https://github.com/neukg/BiRTE.comで公開されています。

関連論文リスト

• Prompt Based Tri-Channel Graph Convolution Neural Network for Aspect Sentiment Triplet Extraction [63.0205418944714]
  Aspect Sentiment Triplet extract (ASTE)は、ある文の三つ子を抽出する新しいタスクである。 近年の研究では、単語関係を二次元テーブルにエンコードするテーブル充填パラダイムを用いてこの問題に対処する傾向にある。 本稿では, 関係表をグラフに変換し, より包括的な関係情報を探索する, Prompt-based Tri-Channel Graph Convolution Neural Network (PT-GCN) と呼ばれるASTEタスクの新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-18T12:46:09Z)
• 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)
• 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)
• HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
  本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
  論文  参考訳（メタデータ） (2023-05-07T14:57:42Z)
• 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)
• OneRel:Joint Entity and Relation Extraction with One Module in One Step [42.576188878294886]
  統合エンティティと関係抽出は自然言語処理と知識グラフ構築において不可欠な課題である。 そこで我々は, 結合抽出を細粒度三重分類問題として用いた, OneRel という新しい結合実体と関係抽出モデルを提案する。
  論文  参考訳（メタデータ） (2022-03-10T15:09:59Z)
• 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)
• 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)
• Position-Aware Tagging for Aspect Sentiment Triplet Extraction [37.76744150888183]
  Aspect Sentiment Triplet extract (ASTE) は、対象エンティティのトリプルを抽出するタスクであり、その感情の理由を説明する。 我々の観察では、三重項内の3つの要素は互いに非常に関連しており、このような三重項を抽出するジョイントモデルを構築する動機となっている。 本稿では,三つ子を共同抽出可能な新しい位置認識型タグ付け方式による最初のエンドツーエンドモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-06T10:40:34Z)
• Relabel the Noise: Joint Extraction of Entities and Relations via Cooperative Multiagents [52.55119217982361]
  協調型マルチエージェント群を用いて,雑音の多いインスタンスを処理するための共同抽出手法を提案する。 ノイズの多いインスタンスをきめ細かな方法で処理するために、協調グループの各エージェントは、自身の視点で連続的な信頼スコアを算出してインスタンスを評価する。 信頼度コンセンサスモジュールは、すべてのエージェントの知恵を収集し、信頼度ラベル付きラベルでノイズの多いトレーニングセットを再分割するように設計されている。
  論文  参考訳（メタデータ） (2020-04-21T12:03:04Z)

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。