論文の概要: OneRel:Joint Entity and Relation Extraction with One Module in One Step
- arxiv url: http://arxiv.org/abs/2203.05412v1
- Date: Thu, 10 Mar 2022 15:09:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-03-11 18:19:25.629081
- Title: OneRel:Joint Entity and Relation Extraction with One Module in One Step
- Title(参考訳): OneRel:1ステップで1つのモジュールによるエンティティと関係抽出
- Authors: Yu-Ming Shang, Heyan Huang, Xian-Ling Mao
- Abstract要約: 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。
- 参考スコア(独自算出の注目度): 42.576188878294886
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Joint entity and relation extraction is an essential task in natural language
processing and knowledge graph construction. Existing approaches usually
decompose the joint extraction task into several basic modules or processing
steps to make it easy to conduct. However, such a paradigm ignores the fact
that the three elements of a triple are interdependent and indivisible.
Therefore, previous joint methods suffer from the problems of cascading errors
and redundant information. To address these issues, in this paper, we propose a
novel joint entity and relation extraction model, named OneRel, which casts
joint extraction as a fine-grained triple classification problem. Specifically,
our model consists of a scoring-based classifier and a relation-specific horns
tagging strategy. The former evaluates whether a token pair and a relation
belong to a factual triple. The latter ensures a simple but effective decoding
process. Extensive experimental results on two widely used datasets demonstrate
that the proposed method performs better than the state-of-the-art baselines,
and delivers consistent performance gain on complex scenarios of various
overlapping patterns and multiple triples.
- Abstract(参考訳): 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。
既存のアプローチは通常、ジョイント抽出タスクをいくつかの基本的なモジュールや処理ステップに分解して実行しやすくする。
しかし、そのようなパラダイムは三重項の3つの要素が相互依存的で区別できないという事実を無視している。
そのため,従来の共同手法ではカスケードエラーや冗長な情報に悩まされていた。
これらの問題に対処するため,本稿では,細粒度3次分類問題として統合抽出をキャスティングするonerelと呼ばれる新しい結合エンティティと関係抽出モデルを提案する。
具体的には,スコアリングに基づく分類器と,関係性を考慮したホーンのタグ付け戦略からなる。
前者は、トークン対と関係が事実のトリプルに属するかどうかを評価する。
後者は単純だが効果的な復号処理を保証する。
2つの広く使用されているデータセットの大規模な実験結果から,提案手法は最先端のベースラインよりも優れた性能を示し,様々な重なり合うパターンと複数のトリプルの複雑なシナリオに対して一貫した性能向上を実現する。
関連論文リスト
- 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) - Query-based Instance Discrimination Network for Relational Triple
Extraction [39.35417927570248]
統合エンティティと関係抽出は、情報抽出の分野における中核的なタスクである。
最近のアプローチでは、通常は立体的な視点から関係三重項の抽出を考える。
本稿では,リレーショナルトリプルに対するインスタンスレベルの表現を構築するための,新しいクエリベースのアプローチを提案する。
論文 参考訳(メタデータ) (2022-11-03T13:34:56Z) - 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) - Relational Triple Extraction: One Step is Enough [41.90858952418927]
本稿では,三重抽出タスクを再考するための新しい視点を導入し,DirectRelというシンプルなモデルを提案する。
具体的には、まず、文中のトークン列を列挙して候補エンティティを生成し、次に三重抽出タスクを「head $rightarrow$tail」二部グラフ上のリンク問題に変換する。
論文 参考訳(メタデータ) (2022-05-11T05:09:14Z) - RelationPrompt: Leveraging Prompts to Generate Synthetic Data for
Zero-Shot Relation Triplet Extraction [65.4337085607711]
ゼロショット関係トリプルト抽出(ZeroRTE)のタスク設定について紹介する。
入力文が与えられた後、抽出された各三重項は、トレーニング段階で関係ラベルが見えないヘッドエンティティ、リレーションラベル、テールエンティティから構成される。
本稿では、言語モデルに構造化テキストを生成するよう促すことで、関係例を合成する。
論文 参考訳(メタデータ) (2022-03-17T05:55:14Z) - On Modality Bias Recognition and Reduction [70.69194431713825]
マルチモーダル分類の文脈におけるモダリティバイアス問題について検討する。
本稿では,各ラベルの特徴空間を適応的に学習するプラグアンドプレイ損失関数法を提案する。
本手法は, ベースラインに比べ, 顕著な性能向上を実現している。
論文 参考訳(メタデータ) (2022-02-25T13:47:09Z) - 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) - TDRE: A Tensor Decomposition Based Approach for Relation Extraction [6.726803950083593]
エンティティペアを非構造化テキストから関係型とともに抽出することは、情報抽出の基本的なサブタスクである。
本稿では,まず,各関係型に富んだ単語対の3次テンソルとして,最終三重項抽出結果をモデル化する。
提案手法は,既存の強いベースラインよりも優れた性能を示す。
論文 参考訳(メタデータ) (2020-10-15T05:29:34Z) - 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)
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。