論文の概要: Relational Triple Extraction: One Step is Enough

• arxiv url: http://arxiv.org/abs/2205.05270v1
• Date: Wed, 11 May 2022 05:09:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-12 17:17:49.861632
• Title: Relational Triple Extraction: One Step is Enough
• Title（参考訳）: 関係性三重項抽出: 1 つのステップは十分
• Authors: Yu-Ming Shang, Heyan Huang, Xin Sun, Wei Wei, Xian-Ling Mao
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 41.90858952418927
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting relational triples from unstructured text is an essential task in natural language processing and knowledge graph construction. Existing approaches usually contain two fundamental steps: (1) finding the boundary positions of head and tail entities; (2) concatenating specific tokens to form triples. However, nearly all previous methods suffer from the problem of error accumulation, i.e., the boundary recognition error of each entity in step (1) will be accumulated into the final combined triples. To solve the problem, in this paper, we introduce a fresh perspective to revisit the triple extraction task, and propose a simple but effective model, named DirectRel. Specifically, the proposed model first generates candidate entities through enumerating token sequences in a sentence, and then transforms the triple extraction task into a linking problem on a "head $\rightarrow$ tail" bipartite graph. By doing so, all triples can be directly extracted in only one step. Extensive experimental results on two widely used datasets demonstrate that the proposed model performs better than the state-of-the-art baselines.
• Abstract（参考訳）: 非構造化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、自然言語処理と知識グラフ構築において不可欠である。 既存のアプローチは通常、2つの基本的なステップを含む: (1) 頭と尾の実体の境界位置を見つける; (2) 特定のトークンを連結して三重項を形成する。 しかし、従来の手法のほとんど全てがエラー蓄積の問題に悩まされており、すなわち、ステップ(1)における各エンティティの境界認識誤差は、最終三重項に蓄積される。 そこで本研究では,三重抽出タスクを再検討する新たな視点を導入し,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シーケンス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。 これにより、すべてのトリプルを1ステップで直接抽出することができる。 広く使われている2つのデータセットの広範な実験結果から、提案されたモデルは最先端のベースラインよりも優れた性能を示す。

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)
• 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)
• 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)
• 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)
• 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)
• 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)
• Contrastive Triple Extraction with Generative Transformer [72.21467482853232]
  生成変換器を用いた新しい3重抽出モデルを提案する。 具体的には,エンコーダデコーダをベースとした1つの共有トランスフォーマモジュールを提案する。 忠実な結果を得るために,新しい三重項コントラストトレーニングオブジェクトを提案する。
  論文  参考訳（メタデータ） (2020-09-14T05:29:24Z)
• Pre-training for Abstractive Document Summarization by Reinstating Source Text [105.77348528847337]
  本稿では,Seq2Seqに基づく非ラベルテキストによる抽象要約モデルの事前学習を可能にする3つの事前学習目標を提案する。 2つのベンチマーク要約データセットの実験では、3つの目的がすべてベースラインでパフォーマンスを向上させることが示されている。
  論文  参考訳（メタデータ） (2020-04-04T05:06:26Z)

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。