論文の概要: A Survey on Neural Open Information Extraction: Current Status and Future Directions

• arxiv url: http://arxiv.org/abs/2205.11725v1
• Date: Tue, 24 May 2022 02:24:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-25 13:49:48.378327
• Title: A Survey on Neural Open Information Extraction: Current Status and Future Directions
• Title（参考訳）: ニューラルオープン情報抽出に関する調査 : 現状と今後の方向性
• Authors: Shaowen Zhou, Bowen Yu, Aixin Sun, Cheng Long, Jingyang Li, Jian Sun
• Abstract要約: Open Information extract (OpenIE) は、大規模コーパスからの関係事実のドメインに依存しない発見を容易にする。 我々は、最先端のニューラルなOpenIEモデル、その設計決定、強み、弱点について概観する。
• 参考スコア（独自算出の注目度）: 87.30702606041407
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open Information Extraction (OpenIE) facilitates domain-independent discovery of relational facts from large corpora. The technique well suits many open-world natural language understanding scenarios, such as automatic knowledge base construction, open-domain question answering, and explicit reasoning. Thanks to the rapid development in deep learning technologies, numerous neural OpenIE architectures have been proposed and achieve considerable performance improvement. In this survey, we provide an extensive overview of the-state-of-the-art neural OpenIE models, their key design decisions, strengths and weakness. Then, we discuss limitations of current solutions and the open issues in OpenIE problem itself. Finally we list recent trends that could help expand its scope and applicability, setting up promising directions for future research in OpenIE. To our best knowledge, this paper is the first review on this specific topic.
• Abstract（参考訳）: open information extraction (openie) は大きなコーパスからリレーショナル事実をドメインに依存しない発見を促進する。 このテクニックは、自動知識ベース構築、オープンドメイン質問応答、明示的推論など、多くのオープンワールド自然言語理解シナリオによく適合する。 ディープラーニング技術の急速な開発により、多くのニューラルOpenIEアーキテクチャが提案され、大幅なパフォーマンス向上を実現している。 本調査では、最先端のニューラルネットワークOpenIEモデル、設計決定、強度、弱点について概観する。 そして,現在のソリューションの限界と,OpenIE問題自体のオープンな問題について議論する。 最後に、そのスコープと適用性の拡大に役立つ最近のトレンドをリストアップし、OpenIEにおける将来の研究に向けた有望な方向性を設定します。 私たちの知る限り、この論文は、この特定のトピックに関する最初のレビューです。

関連論文リスト

• Towards a Framework for Openness in Foundation Models: Proceedings from the Columbia Convening on Openness in Artificial Intelligence [18.130525337375985]
  本稿では,AIスタックにまたがるオープンネスと闘うためのフレームワークを提案する。 このトピックに関する以前の研究を要約し、オープン性を追求する様々な潜在的理由を分析します。 モデルとシステムレベルで、AIスタックのさまざまな部分でオープン性がどのように変化するのかを概説する。
  論文  参考訳（メタデータ） (2024-05-17T20:35:39Z)
• Open-world Machine Learning: A Review and New Outlooks [83.6401132743407]
  本稿では,新たなオープンワールド機械学習パラダイムを包括的に紹介することを目的としている。 研究者がそれぞれの分野でより強力なAIシステムを構築するのを支援し、人工知能の開発を促進することを目的としている。
  論文  参考訳（メタデータ） (2024-03-04T06:25:26Z)
• PIVOINE: Instruction Tuning for Open-world Information Extraction [53.98073623222221]
  構造化されていないテキストから包括的エンティティプロファイルを抽出するオープンワールド情報抽出(オープンワールドIE)の問題を考える。 我々は,オープンワールドIEを動作させ,自然言語命令を特徴とする目的のエンティティプロファイルを抽出できる大規模言語モデル(LLM)を開発した。 特にINSTRUCTOPENWIKIは,包括的コーパス,豊富なアノテーション,多種多様な命令を満載したオープンワールドIE向け指導チューニングデータセットである。
  論文  参考訳（メタデータ） (2023-05-24T08:52:08Z)
• Towards Generalized Open Information Extraction [74.20080376460947]
  我々は、ソーストレーニングドメインと異なるデータ分布を持つ未確認対象ドメインを一般化する、より現実的なシナリオを提案する。 DragonIEは、ドメイン内設定とドメイン外設定の両方で、F1スコアの6.4%を絶対的に上回っている。
  論文  参考訳（メタデータ） (2022-11-29T07:33:44Z)
• A Survey on Open Information Extraction from Rule-based Model to Large Language Model [29.017823043117144]
  オープン情報抽出(OpenIE)は、構造化されていないテキストから構造化情報を引き出すための重要なNLPタスクである。 本調査では,2007年から2024年までのOpenIE技術の概要を概説し,時系列的視点を強調した。 この記事では、OpenIEアプローチをルールベース、ニューラル、トレーニング済みの大規模言語モデルに分類し、時系列フレームワーク内でそれぞれについて議論する。
  論文  参考訳（メタデータ） (2022-08-18T08:03:45Z)
• Retrieving and Reading: A Comprehensive Survey on Open-domain Question Answering [62.88322725956294]
  OpenQAの最近の研究動向を概観し、特にニューラルMSC技術を導入したシステムに注目した。 Retriever-Reader' と呼ばれる最新の OpenQA アーキテクチャを導入し、このアーキテクチャに従うさまざまなシステムを分析します。 次に、OpenQAシステムの開発における主要な課題について議論し、一般的に使用されるベンチマークの分析を提供する。
  論文  参考訳（メタデータ） (2021-01-04T04:47:46Z)
• State-of-the-art Techniques in Deep Edge Intelligence [0.0]
  エッジインテリジェンス(EI)は、エッジコンピューティングの概念を用いた学習を可能にする強力な代替手段として急速に登場した。 本稿では,DeIの運用における主な制約について概説する。
  論文  参考訳（メタデータ） (2020-08-03T12:17:23Z)
• Rapidly Deploying a Neural Search Engine for the COVID-19 Open Research Dataset: Preliminary Thoughts and Lessons Learned [88.42878484408469]
  我々は最新のニューラルネットワークランキングアーキテクチャを利用する検索エンジンであるNeural Covidexを紹介する。 本稿では、最初の取り組みについて述べ、その過程で学んだ教訓についていくつか考察する。
  論文  参考訳（メタデータ） (2020-04-10T17:12:29Z)

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。