Fugu-MT 論文翻訳(概要): Exploring Entity Interactions for Few-Shot Relation Learning (Student Abstract)

論文の概要: Exploring Entity Interactions for Few-Shot Relation Learning (Student Abstract)

arxiv url: http://arxiv.org/abs/2205.01878v1
Date: Wed, 4 May 2022 03:54:44 GMT
ステータス: 処理完了
システム内更新日: 2022-05-06 01:32:27.890802
Title: Exploring Entity Interactions for Few-Shot Relation Learning (Student Abstract)
Title（参考訳）: 数発関係学習のためのエンティティインタラクションの探索(学生抽象)
Authors: YI Liang and Shuai Zhao and Bo Cheng and Yuwei Yin and Hao Yang
Abstract要約: 少数ショット関係学習とは、観測された三重項の数が限られている関係に関する事実を推測することを指す。本稿では,このような微粒な意味を探索し,そのモデルであるTransAMを提案する。 NELL-OneとWiki-Oneと1ショット設定の2つの公開ベンチマークデータセットの実験により、TransAMの有効性が証明された。
参考スコア（独自算出の注目度）: 26.487611287367443
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Few-shot relation learning refers to infer facts for relations with a limited number of observed triples. Existing metric-learning methods for this problem mostly neglect entity interactions within and between triples. In this paper, we explore this kind of fine-grained semantic meanings and propose our model TransAM. Specifically, we serialize reference entities and query entities into sequence and apply transformer structure with local-global attention to capture both intra- and inter-triple entity interactions. Experiments on two public benchmark datasets NELL-One and Wiki-One with 1-shot setting prove the effectiveness of TransAM.
Abstract（参考訳）: 少数ショット関係学習とは、観測された三重項の数が限られている関係に関する事実を推測することを指す。この問題の既存の計量学習法は、主に三重項内および三重項間の実体相互作用を無視する。本稿では,このような微粒な意味を探索し,そのモデルであるTransAMを提案する。具体的には,参照エンティティをシリアライズし,クエリエンティティをシーケンス化し,局所的に注目されるトランスフォーマー構造を適用し,トリプルエンティティ間インタラクションをキャプチャする。 NELL-OneとWiki-Oneの2つの公開ベンチマークデータセットの実験では、1ショット設定でTransAMの有効性が証明された。

関連論文リスト

All-in-One: Heterogeneous Interaction Modeling for Cold-Start Rating Prediction [33.09413959289308]
異種相互作用評価ネットワーク(HIRE)と呼ばれるフレキシブルなフレームワークを提案する。 HIRE線量は、事前に定義された相互作用パターンや、手動で構築された異種情報ネットワークにのみ依存しない。実験では,実世界の3つのデータセットに対して,3つのコールドスタート設定でモデルを評価する。
論文参考訳（メタデータ） (2024-03-26T14:29:34Z)
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)
Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。 MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
論文参考訳（メタデータ） (2023-07-19T02:11:19Z)
From Alignment to Entailment: A Unified Textual Entailment Framework for Entity Alignment [17.70562397382911]
既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
論文参考訳（メタデータ） (2023-05-19T08:06:50Z)
UniRel: Unified Representation and Interaction for Joint Relational Triple Extraction [29.15806644012706]
我々はUniRelを提案し、エンティティとリレーションのリッチな相関を捉えることの課題に対処する。具体的には、エンティティとリレーションシップの表現を、リレーショナルな自然言語シーケンスで共同で符号化することで統一する。 2つの一般的な3重抽出データセットに関する包括的実験により、UniRelはより効率的な計算効率を示す。
論文参考訳（メタデータ） (2022-11-16T16:53:13Z)
Document-level Relation Extraction with Context Guided Mention Integration and Inter-pair Reasoning [18.374097786748834]
文書レベルの関係抽出(DRE)は、2つの実体間の関係を認識することを目的としている。これまでの研究では、言及の統合についてはほとんど研究されていないが、これは問題となるかもしれない。本稿では,コンテキストガイドメンション統合とペア間推論という2つの新しい手法を提案する。
論文参考訳（メタデータ） (2022-01-13T08:00:23Z)
Link Prediction on N-ary Relational Data Based on Relatedness Evaluation [61.61555159755858]
我々は,n-aryリレーショナルデータ上でリンク予測を行うNaLPという手法を提案する。各 n 個の関係事実を、その役割と役割と値のペアの集合として表現する。実験結果は,提案手法の有効性と有用性を検証した。
論文参考訳（メタデータ） (2021-04-21T09:06:54Z)
Learning to Decouple Relations: Few-Shot Relation Classification with Entity-Guided Attention and Confusion-Aware Training [49.9995628166064]
本稿では,2つのメカニズムを備えたモデルであるCTEGを提案する。一方、注意を誘導するEGA機構を導入し、混乱を引き起こす情報をフィルタリングする。一方,コンフュージョン・アウェア・トレーニング(CAT)法は,関係の識別を明示的に学習するために提案されている。
論文参考訳（メタデータ） (2020-10-21T11:07:53Z)
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)
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)
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。