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。
• 全文 参考訳へのリンク

関連論文リスト

• 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)
• A Masked Image Reconstruction Network for Document-level Relation Extraction [3.276435438007766]
  文書レベルの関係抽出は、複雑な3重関係を抽出するために複数の文に対する推論を必要とする。 マスク付き画像再構成ネットワーク(DRE-MIR)に基づく文書レベルの関係抽出モデルを提案する。 我々は,3つの公開文書レベルの関係抽出データセットについて,そのモデルを評価する。
  論文  参考訳（メタデータ） (2022-04-21T02:41:21Z)
• 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)
• A Simple but Effective Bidirectional Extraction Framework for Relational Triple Extraction [0.9926500244448218]
  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。
  論文  参考訳（メタデータ） (2021-12-09T14:17:33Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)
• 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)
• Effective Cascade Dual-Decoder Model for Joint Entity and Relation Extraction [1.2891210250935146]
  テキストからリレーショナルトリプルを抽出することは知識グラフ構築の基本的な課題である。 重なり合う三重項を抽出する効果的なカスケード二重復号器手法を提案する。
  論文  参考訳（メタデータ） (2021-06-27T07:42:05Z)
• PRGC: Potential Relation and Global Correspondence Based Joint Relational Triple Extraction [23.998135821388203]
  我々は、ポテンシャル関係と大域対応(PRGC)に基づく連立三重抽出フレームワークを提案する。 PRGCは、より効率のよい公開ベンチマークで最先端のパフォーマンスを実現し、重複するトリプルの複雑なシナリオで一貫したパフォーマンス向上を実現している。
  論文  参考訳（メタデータ） (2021-06-18T03:38:07Z)
• Integrating Semantics and Neighborhood Information with Graph-Driven Generative Models for Document Retrieval [51.823187647843945]
  本稿では,周辺情報をグラフ誘導ガウス分布でエンコードし,その2種類の情報をグラフ駆動生成モデルと統合することを提案する。 この近似の下では、トレーニング対象がシングルトンまたはペアワイズ文書のみを含む用語に分解可能であることを証明し、モデルが非関連文書と同じくらい効率的にトレーニングできることを示す。
  論文  参考訳（メタデータ） (2021-05-27T11:29:03Z)

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。