Fugu-MT 論文翻訳(概要): Knowledge Graph Enhanced Relation Extraction Datasets

論文の概要: Knowledge Graph Enhanced Relation Extraction Datasets

arxiv url: http://arxiv.org/abs/2210.11231v1
Date: Wed, 19 Oct 2022 13:23:10 GMT
ステータス: 処理完了
システム内更新日: 2022-10-21 15:35:36.125602
Title: Knowledge Graph Enhanced Relation Extraction Datasets
Title（参考訳）: 知識グラフ強化関係抽出データセット
Authors: Yucong Lin, Hongming Xiao, Jiani Liu, Zichao Lin, Keming Lu, Feifei Wang, Wei Wei
Abstract要約: KGREDは、機能付き知識グラフ強化関係抽出データセットである。知識強化関係抽出手法の性能を評価するための補助知識グラフを用いた高品質な関係抽出データセットを提供する。 KGRED実験により,知識グラフ情報が関係抽出作業に与える影響を明らかにした。
参考スコア（独自算出の注目度）: 8.612433805862619
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Knowledge-enhanced methods that take advantage of auxiliary knowledge graphs recently emerged in relation extraction, and they surpass traditional text-based relation extraction methods. However, there are no unified public benchmarks that currently involve evidence sentences and knowledge graphs for knowledge-enhanced relation extraction. To combat these issues, we propose KGRED, a knowledge graph enhanced relation extraction dataset with features as follows: (1) the benchmarks are based on widely-used distantly supervised relation extraction datasets; (2) we refine these existing datasets to improve the data quality, and we also construct auxiliary knowledge graphs for these existing datasets through entity linking to support knowledge-enhanced relation extraction tasks; (3) with the new benchmarks we curated, we build baselines in two popular relation extraction settings including sentence-level and bag-level relation extraction, and we also make comparisons among the latest knowledge-enhanced relation extraction methods. KGRED provides high-quality relation extraction datasets with auxiliary knowledge graphs for evaluating the performance of knowledge-enhanced relation extraction methods. Meanwhile, our experiments on KGRED reveal the influence of knowledge graph information on relation extraction tasks.
Abstract（参考訳）: 近年,知識グラフを利用した知識強化手法が関係抽出において出現し,従来のテキストベース関係抽出法を超越している。しかし、現在、知識強化関係抽出のための証拠文と知識グラフを含む統一的な公開ベンチマークは存在しない。 To combat these issues, we propose KGRED, a knowledge graph enhanced relation extraction dataset with features as follows: (1) the benchmarks are based on widely-used distantly supervised relation extraction datasets; (2) we refine these existing datasets to improve the data quality, and we also construct auxiliary knowledge graphs for these existing datasets through entity linking to support knowledge-enhanced relation extraction tasks; (3) with the new benchmarks we curated, we build baselines in two popular relation extraction settings including sentence-level and bag-level relation extraction, and we also make comparisons among the latest knowledge-enhanced relation extraction methods. KGREDは、知識強化関係抽出手法の性能を評価するための補助知識グラフを備えた高品質な関係抽出データセットを提供する。一方,KGRED実験では,知識グラフ情報が関係抽出作業に与える影響を明らかにした。

関連論文リスト

Leveraging Knowledge Graph Embeddings to Enhance Contextual Representations for Relation Extraction [0.0]
コーパススケールに事前学習した知識グラフを組み込んだ文レベルの文脈表現への関係抽出手法を提案する。提案手法の有望かつ非常に興味深い結果を示す一連の実験を行った。
論文参考訳（メタデータ） (2023-06-07T07:15:20Z)
HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction [85.80317530027212]
本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。重要な洞察は、単語ペア間の複雑な関連を活用することである。実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
論文参考訳（メタデータ） (2023-05-07T14:57:42Z)
REKnow: Enhanced Knowledge for Joint Entity and Relation Extraction [30.829001748700637]
関係抽出はテキストからすべての隠れた関係事実を抽出することを目的とした課題である。様々な関係抽出設定下でうまく機能する統一されたフレームワークは存在しない。これら2つの問題を緩和する知識強化型生成モデルを提案する。本モデルは,WebNLG,NYT10,TACREDなど,複数のベンチマークや設定において優れた性能を実現する。
論文参考訳（メタデータ） (2022-06-10T13:59:38Z)
Scientific and Technological Text Knowledge Extraction Method of based on Word Mixing and GRU [25.00844482891488]
知識抽出タスクは構造化されていないテキストデータから 3つの関係を抽出する。ピペリン」とは、名前付きエンティティ認識とエンティティ関係抽出を分離する手法である。結合抽出(Joint extract)とは、ニューラルネットワークによって実装され、エンティティ認識と関係抽出を実現するためのエンド・ツー・エンドモデルである。
論文参考訳（メタデータ） (2022-03-31T14:52:35Z)
KGE-CL: Contrastive Learning of Knowledge Graph Embeddings [64.67579344758214]
本稿では,知識グラフ埋め込みのための簡易かつ効率的な学習フレームワークを提案する。これは、関連するエンティティと異なる三重項におけるエンティティ-リレーションのカップルのセマンティック距離を短縮することができる。 WN18RRデータセットで51.2% MRR、46.8% Hits@1、59.1% MRR、51.8% Hits@1、YAGO3-10データセットで達成できる。
論文参考訳（メタデータ） (2021-12-09T12:45:33Z)
Joint Biomedical Entity and Relation Extraction with Knowledge-Enhanced Collective Inference [42.255596963210564]
KECIという名前の結合エンティティと関係抽出のための外部知識を利用する新しいフレームワークを提案する。 KeCIは、グローバルリレーショナル情報をローカル表現に統合することで、参照スパンをエンティティにリンクする集合的なアプローチを採用している。実験の結果、このフレームワークは2つの異なるベンチマークデータセットで新しい最先端の成果を得られることが判明した。
論文参考訳（メタデータ） (2021-05-27T21:33:34Z)
Deep Reinforcement Learning of Graph Matching [63.469961545293756]
ノードとペアの制約下でのグラフマッチング(GM)は、最適化からコンピュータビジョンまでの領域におけるビルディングブロックである。 GMのための強化学習ソルバを提案する。 rgmはペアワイズグラフ間のノード対応を求める。本手法は,フロントエンドの特徴抽出と親和性関数学習に焦点をあてるという意味において,従来のディープグラフマッチングモデルと異なる。
論文参考訳（メタデータ） (2020-12-16T13:48:48Z)
Context-Enhanced Entity and Relation Embedding for Knowledge Graph Completion [2.580765958706854]
マルチホップにおけるエンティティコンテキストと関係コンテキストの効率的な集約を行うモデルAggrEを提案する。実験の結果、AggrEは既存のモデルと競合していることがわかった。
論文参考訳（メタデータ） (2020-12-13T09:20:42Z)
Exploiting Structured Knowledge in Text via Graph-Guided Representation Learning [73.0598186896953]
本稿では、知識グラフからのガイダンスを用いて、生テキスト上で学習する2つの自己教師型タスクを提案する。エンティティレベルのマスキング言語モデルに基づいて、最初のコントリビューションはエンティティマスキングスキームです。既存のパラダイムとは対照的に,本手法では事前学習時にのみ,知識グラフを暗黙的に使用する。
論文参考訳（メタデータ） (2020-04-29T14:22:42Z)
Relational Message Passing for Knowledge Graph Completion [78.47976646383222]
本稿では,知識グラフ補完のためのリレーショナルメッセージパッシング手法を提案する。エッジ間でリレーショナルメッセージを反復的に送信し、近隣情報を集約する。その結果,本手法は最先端の知識完成手法よりも大きなマージンで優れていることがわかった。
論文参考訳（メタデータ） (2020-02-17T03:33:41Z)
Generative Adversarial Zero-Shot Relational Learning for Knowledge Graphs [96.73259297063619]
我々は、この厄介なキュレーションを解放するために、新しい定式化、ゼロショット学習を考える。新たに追加された関係について,テキスト記述から意味的特徴を学習しようと試みる。我々は,GAN(Generative Adrial Networks)を活用し,テキストと知識グラフ領域の接続を確立する。
論文参考訳（メタデータ） (2020-01-08T01:19:08Z)

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。