論文の概要: Towards Effective Multi-Task Interaction for Entity-Relation Extraction: A Unified Framework with Selection Recurrent Network

• arxiv url: http://arxiv.org/abs/2202.07281v1
• Date: Tue, 15 Feb 2022 09:54:33 GMT
• ステータス: 処理完了
• システム内更新日: 2022-02-16 14:18:21.789700
• Title: Towards Effective Multi-Task Interaction for Entity-Relation Extraction: A Unified Framework with Selection Recurrent Network
• Title（参考訳）: エンティティ-リレーション抽出のための効果的なマルチタスクインタラクションに向けて:選択再帰ネットワークを備えた統一フレームワーク
• Authors: An Wang, Ao Liu, Hieu Hanh Le and Haruo Yokota
• Abstract要約: エンティティ関係抽出は、名前付きエンティティ認識(NER)と関係抽出(RE)を共同で解くことを目的とする 最近のアプローチでは、パイプライン方式で一方向のシーケンシャルな情報伝達を使用するか、共有エンコーダと二方向の暗黙的な相互作用を使用する。 本稿では,シーケンシャルな情報伝達と暗黙的な相互作用の両方の利点を組み合わせた,新規で統一されたカスケード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）: 4.477310325275069
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity-relation extraction aims to jointly solve named entity recognition (NER) and relation extraction (RE). Recent approaches use either one-way sequential information propagation in a pipeline manner or two-way implicit interaction with a shared encoder. However, they still suffer from poor information interaction due to the gap between the different task forms of NER and RE, raising a controversial question whether RE is really beneficial to NER. Motivated by this, we propose a novel and unified cascade framework that combines the advantages of both sequential information propagation and implicit interaction. Meanwhile, it eliminates the gap between the two tasks by reformulating entity-relation extraction as unified span-extraction tasks. Specifically, we propose a selection recurrent network as a shared encoder to encode task-specific independent and shared representations and design two sequential information propagation strategies to realize the sequential information flow between NER and RE. Extensive experiments demonstrate that our approaches can achieve state-of-the-art results on two common benchmarks, ACE05 and SciERC, and effectively model the multi-task interaction, which realizes significant mutual benefits of NER and RE.
• Abstract（参考訳）: エンティティ関係抽出は、名前付きエンティティ認識(NER)と関係抽出(RE)を共同で解くことを目的としている。 最近のアプローチでは、パイプライン方式で一方向のシーケンシャルな情報伝達を使用するか、共有エンコーダと二方向の暗黙的な相互作用を使用する。 しかし、彼らは NER と RE の異なるタスク形式間のギャップのため、情報交換の貧弱さに悩まされており、RE が NER にとって本当に有益かどうかという議論を巻き起こしている。 そこで本研究では,シーケンシャルな情報伝達と暗黙的インタラクションの両方の利点を組み合わせた,新しい統一的なカスケードフレームワークを提案する。 一方、エンティティ-リレーション抽出を一括抽出タスクとして再構成することで、この2つのタスク間のギャップを解消する。 具体的には、タスク固有の独立な共有表現を符号化する共有エンコーダとして選択繰り返しネットワークを提案し、NERとRE間の逐次情報フローを実現するための2つのシーケンシャル情報伝搬戦略を設計する。 大規模な実験により、ACE05とSciERCの2つの共通ベンチマークで最先端の結果が得られ、NERとREの大きな相互利益を実現するマルチタスク相互作用を効果的にモデル化できることが示されている。

関連論文リスト

• 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)
• Feature Decoupling-Recycling Network for Fast Interactive Segmentation [79.22497777645806]
  近年のインタラクティブセグメンテーション手法では,入力としてソースイメージ,ユーザガイダンス,従来予測されていたマスクを反復的に取り込んでいる。 本稿では,本質的な相違点に基づいてモデリングコンポーネントを分離するFDRN(Feature Decoupling-Recycling Network)を提案する。
  論文  参考訳（メタデータ） (2023-08-07T12:26:34Z)
• Similarity-based Memory Enhanced Joint Entity and Relation Extraction [3.9659135716762894]
  文書レベルの共同エンティティと関係抽出は難解な情報抽出問題である。 タスク間の双方向メモリのような依存性を持つマルチタスク学習フレームワークを提案する。 実験により,提案手法が既存手法より優れていることが示された。
  論文  参考訳（メタデータ） (2023-07-14T12:26:56Z)
• Modeling Task Interactions in Document-Level Joint Entity and Relation Extraction [20.548299226366193]
  Graph Compatibility(GC)は、タスク特性を活用するために設計されており、直接タスク干渉のための2つのタスクの決定をブリッジする。 GCは、ベースラインよりも2.3/5.1 F1の改善によって最高のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2022-05-04T06:18:28Z)
• 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)
• A Co-Interactive Transformer for Joint Slot Filling and Intent Detection [61.109486326954205]
  音声言語理解システム(SLU)を構築する上では,インテント検出とスロットフィリングが主要な2つのタスクである。 以前の研究では、2つのタスクを個別にモデル化するか、インテントからスロットへの単一の情報フローのみを考慮していた。 本稿では,2つのタスク間の相互影響を同時に検討するコ・インターアクティブ・トランスフォーマーを提案する。
  論文  参考訳（メタデータ） (2020-10-08T10:16:52Z)
• 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)
• Recurrent Interaction Network for Jointly Extracting Entities and Classifying Relations [45.79634026256055]
  対話を動的に学習できるマルチタスク学習モデルを設計する。 2つの実世界のデータセットに関する実証的研究により、提案モデルの優位性が確認された。
  論文  参考訳（メタデータ） (2020-05-01T01:03:16Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。