論文の概要: Entity-centered Cross-document Relation Extraction

• arxiv url: http://arxiv.org/abs/2210.16541v1
• Date: Sat, 29 Oct 2022 09:27:15 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-01 17:01:23.206388
• Title: Entity-centered Cross-document Relation Extraction
• Title（参考訳）: エンティティ中心のクロスドキュメント関係抽出
• Authors: Fengqi Wang, Fei Li, Hao Fei, Jingye Li, Shengqiong Wu, Fangfang Su, Wenxuan Shi, Donghong Ji, Bo Cai
• Abstract要約: 関係抽出(RE)は情報抽出の基本的な課題であり,多くの研究が注目されている。 従来の研究は文や文書内の関係の抽出に重点を置いていたが、現在研究者はクロスドキュメントREを探求している。 本稿では,これらの不足に対処し,クロスドキュメントREの最先端を推し進めることを目的としている。
• 参考スコア（独自算出の注目度）: 34.38369224008656
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Relation Extraction (RE) is a fundamental task of information extraction, which has attracted a large amount of research attention. Previous studies focus on extracting the relations within a sentence or document, while currently researchers begin to explore cross-document RE. However, current cross-document RE methods directly utilize text snippets surrounding target entities in multiple given documents, which brings considerable noisy and non-relevant sentences. Moreover, they utilize all the text paths in a document bag in a coarse-grained way, without considering the connections between these text paths.In this paper, we aim to address both of these shortages and push the state-of-the-art for cross-document RE. First, we focus on input construction for our RE model and propose an entity-based document-context filter to retain useful information in the given documents by using the bridge entities in the text paths. Second, we propose a cross-document RE model based on cross-path entity relation attention, which allow the entity relations across text paths to interact with each other. We compare our cross-document RE method with the state-of-the-art methods in the dataset CodRED. Our method outperforms them by at least 10% in F1, thus demonstrating its effectiveness.
• Abstract（参考訳）: 関係抽出(RE)は情報抽出の基本的な課題であり,多くの研究が注目されている。 従来の研究は文や文書内の関係の抽出に重点を置いていたが、現在研究者はクロスドキュメントREを探求している。 しかし、現在のクロスドキュメントRE手法では、対象エンティティを囲むテキストスニペットを複数の文書で直接利用しており、ノイズや非関連文が生じる。 さらに、これらのテキストパス間の接続を考慮せずに、文書バッグ内のすべてのテキストパスを粗い方法で利用し、これらの不足に対処し、クロスドキュメントREの最先端を推し進めることを目指す。 まず、REモデルの入力構成に焦点をあて、テキストパス内のブリッジエンティティを用いて、与えられた文書に有用な情報を保持するエンティティベースの文書コンテキストフィルタを提案する。 第2に、テキストパス間のエンティティ関係を相互に相互作用させるクロスパスエンティティ関係の注意に基づくクロスドキュメントREモデルを提案する。 クロスドキュメントRE法とデータセットCodREDの最先端手法を比較した。 提案手法はF1において少なくとも10%以上の性能を示し,その有効性を示した。

関連論文リスト

• Unified Multi-Modal Interleaved Document Representation for Information Retrieval [57.65409208879344]
  我々は、異なるモダリティでインターリーブされた文書を均等に埋め込み、より包括的でニュアンスのある文書表現を生成する。 具体的には、テキスト、画像、テーブルの処理と統合を統一されたフォーマットと表現に統合する、近年のビジョン言語モデルの能力を活用して、これを実現する。
  論文  参考訳（メタデータ） (2024-10-03T17:49:09Z)
• Contextual Document Embeddings [77.22328616983417]
  本稿では,コンテキスト化された文書埋め込みのための2つの補完手法を提案する。 第一に、文書近傍を明示的にバッチ内コンテキスト損失に組み込む別のコントラスト学習目標である。 第二に、隣接する文書情報をエンコードされた表現に明示的にエンコードする新しいコンテキストアーキテクチャ。
  論文  参考訳（メタデータ） (2024-10-03T14:33:34Z)
• Reward-based Input Construction for Cross-document Relation Extraction [11.52832308525974]
  クロスドキュメント関係抽出(RE)は自然言語処理の基本的な課題である。 本稿では,Reward-based Input Construction (REIC)を提案する。 REICはリレーショナルエビデンスに基づいて文を抽出し、REモジュールが効率的に関係を推測することを可能にする。
  論文  参考訳（メタデータ） (2024-05-31T07:30:34Z)
• Knowledge-Driven Cross-Document Relation Extraction [3.868708275322908]
  関係抽出(RE)はよく知られたNLPアプリケーションであり、文レベルや文書レベルのタスクとして扱われる。 本稿では,文書横断REのための入力テキストにエンティティのドメイン知識を組み込む新しい手法KXDocREを提案する。
  論文  参考訳（メタデータ） (2024-05-22T11:30:59Z)
• DAPR: A Benchmark on Document-Aware Passage Retrieval [57.45793782107218]
  我々は,このタスクemphDocument-Aware Passage Retrieval (DAPR)を提案する。 State-of-The-Art(SoTA)パスレトリバーのエラーを分析しながら、大きなエラー(53.5%)は文書コンテキストの欠如に起因する。 提案するベンチマークにより,検索システムの開発・比較を今後行うことができる。
  論文  参考訳（メタデータ） (2023-05-23T10:39:57Z)
• Document-level Relation Extraction with Cross-sentence Reasoning Graph [14.106582119686635]
  関係抽出(RE)は、最近、文レベルから文書レベルに移行した。 GRaph情報集約・クロスセンス推論ネットワーク(GRACR)を用いた新しい文書レベルのREモデルを提案する。 実験結果から,GRACRは文書レベルのREの2つの公開データセットにおいて優れた性能を発揮することが示された。
  論文  参考訳（メタデータ） (2023-03-07T14:14:12Z)
• Multi-hop Evidence Retrieval for Cross-document Relation Extraction [23.98136192661566]
  提案手法は,エビデンスパスのマイニングとランキングに基づくマルチホップエビデンス検索手法であるMR.COD(Multi-hop evidence search for Cross-document Relation extract)を提案する。 CodREDの実験では、MR.CODによるエビデンス検索はクロスドキュメントのエビデンスを効果的に取得し、クローズドとオープンの両方でエンドツーエンドのREパフォーマンスを高めることが示されている。
  論文  参考訳（メタデータ） (2022-12-21T06:00:22Z)
• ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select [53.071352033539526]
  学術論文からN-ary関係を抽出する問題について考察する。 提案手法であるReSelは,このタスクを2段階のプロシージャに分解する。 3つの科学的情報抽出データセットに対する実験により、ReSelは最先端のベースラインを大きく上回っていることがわかった。
  論文  参考訳（メタデータ） (2022-10-26T02:28:02Z)
• Cross-document Event Coreference Search: Task, Dataset and Modeling [26.36068336169796]
  我々は、タスクのために、魅力的な、より適用可能な補完的な設定 - クロスドキュメントの参照検索を提案する。 このタスクの研究を支援するために、Wikipediaから派生した対応するデータセットを作成します。 本稿では,強力なコア参照スコアリング方式をDPRアーキテクチャに統合し,性能を向上する新しいモデルを提案する。
  論文  参考訳（メタデータ） (2022-10-23T08:21:25Z)
• Eider: Evidence-enhanced Document-level Relation Extraction [56.71004595444816]
  文書レベルの関係抽出(DocRE)は、文書内のエンティティペア間の意味関係を抽出することを目的としている。 本稿では,共同関係と証拠抽出,エビデンス中心関係抽出(RE),抽出結果の融合からなる3段階のエビデンス強化DocREフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-16T09:43:16Z)

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。