論文の概要: Named Entity Linking on Namesakes

• arxiv url: http://arxiv.org/abs/2205.10498v1
• Date: Sat, 21 May 2022 03:31:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-06-05 18:17:42.571824
• Title: Named Entity Linking on Namesakes
• Title（参考訳）: Namesakes 上の Named Entity Linking
• Authors: Oleg Vasilyev, Alex Dauenhauer, Vedant Dharnidharka, John Bohannon
• Abstract要約: 知識ベース(KB)エンティティを埋め込みで表現する。 知識ベース(KB)におけるエンティティの表現をKBデータのみを用いて調整できることを示し,NELの性能を向上させる。
• 参考スコア（独自算出の注目度）: 10.609815608017065
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We propose a simple and practical method of named entity linking (NEL), and explore its features and performance on a dataset of ambiguous named entities - Namesakes. We represent knowledge base (KB) entity by a set of embeddings. Our observations suggest that it is reasonable to keep a limited number of such embeddings, and that the number of mentions required to create a KB entity is important. We show that representations of entities in the knowledge base (KB) can be adjusted using only KB data, and the adjustment improves NEL performance.
• Abstract（参考訳）: 名前付きエンティティリンク(NEL)の単純かつ実用的な手法を提案し,その特徴と性能を曖昧な名前付きエンティティのデータセット上で検討する。 我々は知識ベース(kb)エンティティを埋め込みのセットで表現する。 我々の観察は、そのような埋め込みの限られた数を維持することは合理的であり、KBエンティティを作成するのに必要な言及の数が重要であることを示唆している。 知識ベース(KB)におけるエンティティの表現をKBデータのみを用いて調整できることを示し,NELの性能を向上させる。

関連論文リスト

• OneNet: A Fine-Tuning Free Framework for Few-Shot Entity Linking via Large Language Model Prompting [49.655711022673046]
  OneNetは、大規模言語モデル(LLM)の少数ショット学習機能を利用する革新的なフレームワークで、微調整は不要である。 1)無関係なエンティティを要約してフィルタリングすることで入力を単純化するエンティティリダクションプロセッサ,(2)コンテキスト的キューと事前知識を組み合わせて正確なエンティティリンクを行うデュアルパースペクティブエンティティリンカ,(3)エンティティリンク推論における幻覚を緩和するユニークな一貫性アルゴリズムを利用するエンティティコンセンサス判定器,である。
  論文  参考訳（メタデータ） (2024-10-10T02:45:23Z)
• Exploring Partial Knowledge Base Inference in Biomedical Entity Linking [0.4798394926736971]
  我々はこのシナリオを部分的知識ベース推論と呼ぶ。 我々は, ベンチマークを構築し, 劇的な精度低下によるEL性能の破滅的な劣化を目撃する。 計算オーバーヘッドの少ない2つのNIL問題に対して, 単純かつ効果的に対処する手法を提案する。
  論文  参考訳（メタデータ） (2023-03-18T04:31:07Z)
• NASTyLinker: NIL-Aware Scalable Transformer-based Entity Linker [2.3605348648054463]
  我々は,NIL-entityを意識したELアプローチを導入し,既知のエンティティのリンク性能を維持しつつ,対応する参照クラスタを生成する。 NIL-entities に対して EL を評価するために明示的に構築されたデータセットである NILK 上で NASTyLinker の有効性と拡張性を示す。
  論文  参考訳（メタデータ） (2023-03-08T08:08:57Z)
• Disambiguation of Company names via Deep Recurrent Networks [101.90357454833845]
  企業名文字列の埋め込みである教師付き学習を通じて,Siamese LSTM Network を抽出する手法を提案する。 私たちは、ラベル付けされるサンプルを優先するActive Learningアプローチが、より効率的な全体的な学習パイプラインをもたらす方法を分析します。
  論文  参考訳（メタデータ） (2023-03-07T15:07:57Z)
• Reveal the Unknown: Out-of-Knowledge-Base Mention Discovery with Entity Linking [23.01938139604297]
  NIL エンティティとマッチングすることで、対応するKB エンティティを持たない参照を識別できるBERT ベースの Entity Linking (EL) 手法を提案する。 5つのデータセットの結果は、既存のメソッドよりもBLINKoutの方がKB外参照を識別できるという利点を示している。
  論文  参考訳（メタデータ） (2023-02-14T17:00:06Z)
• Uni-Parser: Unified Semantic Parser for Question Answering on Knowledge Base and Database [86.03294330305097]
  知識ベース(KB)とデータベース(DB)の両方で質問応答(QA)を統一した意味的要素を提案する。 フレームワークに不可欠な要素としてプリミティブ(KBのリレーションとエンティティ、テーブル名、列名、DBのセル値)を導入します。 生成元を利用して、異なる操作でトップランクプリミティブを変更・構成することで、最終的な論理形式を予測する。
  論文  参考訳（メタデータ） (2022-11-09T19:33:27Z)
• Visual Named Entity Linking: A New Dataset and A Baseline [61.38231023490981]
  入力は画像のみで構成される純粋にビジュアルな名前付きエンティティリンク(VNEL)タスクを考える。 本稿では,視覚的・視覚的エンティティリンク(V2VEL),視覚的・テキスト的エンティティリンク(V2TEL),視覚的・テキスト的エンティティリンク(V2VEL)の3つのサブタスクを提案する。 WIKIPersonという,高品質な人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人称人
  論文  参考訳（メタデータ） (2022-11-09T13:27:50Z)
• Visual Recognition by Request [111.94887516317735]
  視覚認識のためのアノテーションと評価の新しいプロトコルを提案する。 すべてのターゲット(オブジェクト、部品など)を一度にアノテート/認識するためにラベルやアルゴリズムを必要とせず、代わりに多数の認識命令を発生させ、アルゴリズムは要求によってターゲットを認識する。 CPP と ADE20K という2つの混合注釈付きデータセットに対する認識システムの評価を行い,その有望な学習能力を部分的にラベル付けしたデータから示す。
  論文  参考訳（メタデータ） (2022-07-28T16:55:11Z)
• Improving Entity Disambiguation by Reasoning over a Knowledge Base [2.223733768286313]
  本稿では,記号的知識ベースに基づく推論によってエンティティをリンクするEDモデルを提案する。 我々のモデルは、6つの確立されたEDデータセットの最先端のベースラインを平均1.3F1で上回ります。
  論文  参考訳（メタデータ） (2022-07-08T19:13:53Z)
• Number Entity Recognition [65.80137628972312]
  番号は他のワードトークンと同様に、自然言語処理(NLP)モデルを構築し、デプロイするテキストの必須コンポーネントである。 本研究では、最先端のNLPモデルの可能性を活用し、関連するタスクにおける性能向上能力の伝達を試みる。 提案した数値をエンティティに分類することで,手作りのFill-In-The-Blank (FITB)タスクや,関節埋め込みを用いた質問応答など,NLPモデルの性能が向上する。
  論文  参考訳（メタデータ） (2022-05-07T05:22:43Z)
• Novel Entity Discovery from Web Tables [21.16349961050804]
  Web上のテーブルを活用して、新しいエンティティ、プロパティ、関係を見つけます。 提案手法は,in-KB (known')エンティティの外部情報だけでなく,新規なエイリアスも識別する。
  論文  参考訳（メタデータ） (2020-02-01T13:24:03Z)

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。