論文の概要: CrossRE: A Cross-Domain Dataset for Relation Extraction

• arxiv url: http://arxiv.org/abs/2210.09345v1
• Date: Mon, 17 Oct 2022 18:33:14 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-19 14:32:25.270355
• Title: CrossRE: A Cross-Domain Dataset for Relation Extraction
• Title（参考訳）: CrossRE:関係抽出のためのクロスドメインデータセット
• Authors: Elisa Bassignana and Barbara Plank
• Abstract要約: CrossREは、関係抽出(RE)のための新しい、自由に利用可能なクロスドメインベンチマークである。 関係分類のための最先端モデルを用いて経験的評価を行う。 メタデータにより、最先端のモデルに新たな光を放つことができるので、難しいケースの影響を包括的に分析する。
• 参考スコア（独自算出の注目度）: 21.513743126525622
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Relation Extraction (RE) has attracted increasing attention, but current RE evaluation is limited to in-domain evaluation setups. Little is known on how well a RE system fares in challenging, but realistic out-of-distribution evaluation setups. To address this gap, we propose CrossRE, a new, freely-available cross-domain benchmark for RE, which comprises six distinct text domains and includes multi-label annotations. An additional innovation is that we release meta-data collected during annotation, to include explanations and flags of difficult instances. We provide an empirical evaluation with a state-of-the-art model for relation classification. As the meta-data enables us to shed new light on the state-of-the-art model, we provide a comprehensive analysis on the impact of difficult cases and find correlations between model and human annotations. Overall, our empirical investigation highlights the difficulty of cross-domain RE. We release our dataset, to spur more research in this direction.
• Abstract（参考訳）: 関係抽出(RE)は注目されているが、現在のRE評価はドメイン内の評価設定に限られている。 reシステムがいかに困難だが現実的な分散評価設定に適しているかは、ほとんど知られていない。 このギャップに対処するため,我々は6つの異なるテキストドメインで構成され,複数ラベルアノテーションを含むre用の新しいフリーで利用可能なクロスドメインベンチマークであるcrossreを提案する。 もうひとつのイノベーションは、アノテーション中に収集されたメタデータをリリースして、難しいインスタンスの説明やフラグを含めることです。 関係分類のための最先端モデルを用いて経験的評価を行う。 メタデータにより、最先端のモデルに新たな光を放つことができるので、難しいケースの影響を包括的に分析し、モデルと人間のアノテーションの間に相関関係を見出す。 全体として、我々はクロスドメインREの難しさを強調している。 私たちはこの方向の研究を促進するためにデータセットをリリースします。

関連論文リスト

• Understanding the Cross-Domain Capabilities of Video-Based Few-Shot Action Recognition Models [3.072340427031969]
  Few-shot Action Recognition (FSAR) は、ビデオ中の新しいアクションをわずかに例を使って識別できるモデルを学ぶことを目的としている。 メタトレーニング中に見られるベースデータセットと評価に使用される新しいデータセットは、異なるドメインから得ることができると仮定すると、クロスドメインの少数ショット学習によってデータ収集とアノテーションコストが軽減される。 我々は、新しいクロスドメインタスクに対して、既存の最先端の単一ドメイン、転送ベース、およびクロスドメインFSARメソッドを体系的に評価する。
  論文  参考訳（メタデータ） (2024-06-03T07:48:18Z)
• Get Your Embedding Space in Order: Domain-Adaptive Regression for Forest Monitoring [1.4403877669472167]
  我々は,3つの森林関連回帰タスクを持つ5カ国で,航空・衛星画像を用いた新しいデータセットを導入した。 トレーニング中に対象ドメインの事前が利用できないような制限的な設定によるメソッドの比較を行う。 順序関係がより一般化した仮定に基づいて回帰に対する多様体拡散を提案する。
  論文  参考訳（メタデータ） (2024-05-01T13:49:09Z)
• Cross-Domain Few-Shot Segmentation via Iterative Support-Query Correspondence Mining [81.09446228688559]
  Cross-Domain Few-Shots (CD-FSS) は、限定された例のみを用いて、異なるドメインから新しいカテゴリを分割するという課題を提起する。 本稿では,CD-FSSの課題に対処する新しいクロスドメイン微調整手法を提案する。
  論文  参考訳（メタデータ） (2024-01-16T14:45:41Z)
• Plot Retrieval as an Assessment of Abstract Semantic Association [131.58819293115124]
  Plot Retrievalのテキストペアは単語の重複を少なくし、より抽象的なセマンティックアソシエーションを持つ。 Plot Retrievalは、IRモデルのセマンティックアソシエーションモデリング能力に関するさらなる研究のベンチマークとなる。
  論文  参考訳（メタデータ） (2023-11-03T02:02:43Z)
• A Comprehensive Survey on Relation Extraction: Recent Advances and New Frontiers [76.51245425667845]
  関係抽出(RE)は、基礎となるコンテンツからエンティティ間の関係を識別する。 ディープニューラルネットワークはREの分野を支配しており、顕著な進歩を遂げている。 この調査は、現実世界のREシステムの課題に対処するための研究者の協力的な取り組みを促進することが期待されている。
  論文  参考訳（メタデータ） (2023-06-03T08:39:25Z)
• Silver Syntax Pre-training for Cross-Domain Relation Extraction [20.603482820770356]
  関係抽出(RE)は、特に現実的な領域外評価を考える場合、依然として困難な課題である。 高品質な(手動で注釈付けされた)データを取得するのは非常に高価であり、新しいドメインごとに現実的に繰り返すことはできない。 関連するタスクからのデータに対する中間的なトレーニングステップは、多くのNLPタスクで有用であることが示されているが、このセットアップには追加のアノテートデータが必要であるため、しばしば利用できない。 本稿では,REのための中間的事前学習について検討する。構文構造と意味的REとの親和性を利用して,2つのエンティティ間の最も短い依存性パスにあることで,REと密接に関連する構文関係を同定する。
  論文  参考訳（メタデータ） (2023-05-18T14:49:19Z)
• Robust Saliency-Aware Distillation for Few-shot Fine-grained Visual Recognition [57.08108545219043]
  サンプルが少ない新しいサブカテゴリを認識することは、コンピュータビジョンにおいて不可欠で挑戦的な研究課題である。 既存の文献は、ローカルベースの表現アプローチを採用することでこの問題に対処している。 本稿では,ロバスト・サリエンシ・アウェア蒸留法(RSaD)を提案する。
  論文  参考訳（メタデータ） (2023-05-12T00:13:17Z)
• Should We Rely on Entity Mentions for Relation Extraction? Debiasing Relation Extraction with Counterfactual Analysis [60.83756368501083]
  文レベルの関係抽出のためのCORE(Counterfactual Analysis based Relation extract)デバイアス法を提案する。 我々のCORE法は,トレーニングプロセスを変更することなく,推論中に既存のREシステムを劣化させるモデルに依存しない。
  論文  参考訳（メタデータ） (2022-05-08T05:13:54Z)
• What do You Mean by Relation Extraction? A Survey on Datasets and Study on Scientific Relation Classification [21.513743126525622]
  本研究では,2つのデータセットの科学的関係分類に関する実証的研究を行った。 大量のデータの重複にもかかわらず,本分析はアノテーションにかなりの相違点を明らかにした。 さらにサブドメイン内での変化は存在するが、関係分類は限定的な程度にしか影響しない。
  論文  参考訳（メタデータ） (2022-04-28T14:07:25Z)
• Automatically Generating Counterfactuals for Relation Exaction [18.740447044960796]
  関係抽出(RE)は自然言語処理の基本課題である。 現在のディープニューラルモデルは高い精度を達成しているが、スプリアス相関の影響を受けやすい。 我々は、エンティティの文脈的反事実を導出するための新しいアプローチを開発する。
  論文  参考訳（メタデータ） (2022-02-22T04:46:10Z)
• CDEvalSumm: An Empirical Study of Cross-Dataset Evaluation for Neural Summarization Systems [121.78477833009671]
  データセット間設定下での様々な要約モデルの性能について検討する。 異なるドメインの5つのデータセットに対する11の代表的な要約システムに関する包括的な研究は、モデルアーキテクチャと生成方法の影響を明らかにしている。
  論文  参考訳（メタデータ） (2020-10-11T02:19:15Z)

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。