論文の概要: Syntactic Multi-view Learning for Open Information Extraction

• arxiv url: http://arxiv.org/abs/2212.02068v1
• Date: Mon, 5 Dec 2022 07:15:41 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-06 15:29:30.851056
• Title: Syntactic Multi-view Learning for Open Information Extraction
• Title（参考訳）: オープン情報抽出のための構文的多視点学習
• Authors: Kuicai Dong, Aixin Sun, Jung-Jae Kim, Xiaoli Li
• Abstract要約: Open Information extract (OpenIE) は、オープンドメインの文から抽出することを目的としている。 本稿では,単語レベルのグラフに構成木と依存性木の両方をモデル化する。
• 参考スコア（独自算出の注目度）: 26.1066324477346
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Open Information Extraction (OpenIE) aims to extract relational tuples from open-domain sentences. Traditional rule-based or statistical models have been developed based on syntactic structures of sentences, identified by syntactic parsers. However, previous neural OpenIE models under-explore the useful syntactic information. In this paper, we model both constituency and dependency trees into word-level graphs, and enable neural OpenIE to learn from the syntactic structures. To better fuse heterogeneous information from both graphs, we adopt multi-view learning to capture multiple relationships from them. Finally, the finetuned constituency and dependency representations are aggregated with sentential semantic representations for tuple generation. Experiments show that both constituency and dependency information, and the multi-view learning are effective.
• Abstract（参考訳）: Open Information extract (OpenIE)は、オープンドメイン文から関係タプルを抽出することを目的としている。 従来のルールベースまたは統計モデルは、構文解析器によって識別される文の構文構造に基づいて開発された。 しかし、以前のニューラルなOpenIEモデルは、有用な構文情報を明らかにしていない。 本稿では,構成木と依存木の両方を単語レベルグラフにモデル化し,その構文構造からニューラルネットワークを学習可能にする。 両グラフからの異種情報をよりよく融合するため,多視点学習を用いて複数の関係を抽出する。 最後に、微調整された選挙区と依存関係の表現は、タプル生成のためのセンテンシャルセマンティック表現で集約される。 実験により、構成情報と依存性情報の両方と多視点学習が有効であることが示された。

関連論文リスト

• Learning Representations without Compositional Assumptions [79.12273403390311]
  本稿では,特徴集合をグラフノードとして表現し,それらの関係を学習可能なエッジとして表現することで,特徴集合の依存関係を学習するデータ駆動型アプローチを提案する。 また,複数のビューから情報を動的に集約するために,より小さな潜在グラフを学習する新しい階層グラフオートエンコーダLEGATOを導入する。
  論文  参考訳（メタデータ） (2023-05-31T10:36:10Z)
• ImPaKT: A Dataset for Open-Schema Knowledge Base Construction [10.073210304061966]
  ImPaKTは、ショッピングドメイン(商品購入ガイド)におけるC4コーパスから約2500のテキストスニペットからなるオープンスキーマ情報抽出用データセットである。 本研究では,オープンソースUL2言語モデルをデータセットのサブセットに微調整し,製品購入ガイドのコーパスから含意関係を抽出し,その結果の予測を人為的に評価することで,このアプローチの能力を評価する。
  論文  参考訳（メタデータ） (2022-12-21T05:02:49Z)
• Enriching Relation Extraction with OpenIE [70.52564277675056]
  関係抽出(RE)は情報抽出(IE)のサブ分野である 本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。 本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
  論文  参考訳（メタデータ） (2022-12-19T11:26:23Z)
• Modeling Multi-Granularity Hierarchical Features for Relation Extraction [26.852869800344813]
  本稿では,原文のみに基づく多粒度特徴抽出手法を提案する。 外部知識を必要とせずに,効果的な構造的特徴が達成可能であることを示す。
  論文  参考訳（メタデータ） (2022-04-09T09:44:05Z)
• Multi-Scale Feature and Metric Learning for Relation Extraction [15.045539169021092]
  関係抽出のためのマルチスケール特徴量学習フレームワークを提案する。 具体的には、まず、語彙列の非不要な主構造を集約するマルチスケール畳み込みニューラルネットワークを開発する。 また,特定の構文的役割に対する受容場を増大させるマルチスケールグラフ畳み込みネットワークを設計する。
  論文  参考訳（メタデータ） (2021-07-28T15:14:36Z)
• Syntactic and Semantic-driven Learning for Open Information Extraction [42.65591370263333]
  正確で高カバレッジのニューラルオープンIEシステムを構築する上で最大のボトルネックの1つは、大きなラベル付きコーパスの必要性である。 そこで本研究では,人間に反するデータを使わずにオープンなIEモデルを学習するシンタクティクスとセマンティック駆動型学習手法を提案する。
  論文  参考訳（メタデータ） (2021-03-05T02:59:40Z)
• Learning the Implicit Semantic Representation on Graph-Structured Data [57.670106959061634]
  グラフ畳み込みネットワークにおける既存の表現学習手法は主に、各ノードの近傍を知覚全体として記述することで設計される。 本稿では,グラフの潜在意味パスを学習することで暗黙的な意味を探索する意味グラフ畳み込みネットワーク(sgcn)を提案する。
  論文  参考訳（メタデータ） (2021-01-16T16:18:43Z)
• Multilingual Irony Detection with Dependency Syntax and Neural Models [61.32653485523036]
  これは構文知識からの貢献に焦点を当て、普遍依存スキームに従って構文が注釈付けされた言語資源を活用する。 その結果, 依存性をベースとした微粒な構文情報は, アイロンの検出に有用であることが示唆された。
  論文  参考訳（メタデータ） (2020-11-11T11:22:05Z)
• Relation-Guided Representation Learning [53.60351496449232]
  本稿では,サンプル関係を明示的にモデル化し,活用する表現学習手法を提案する。 私たちのフレームワークは、サンプル間の関係をよく保存します。 サンプルをサブスペースに埋め込むことにより,本手法が大規模なサンプル外問題に対処可能であることを示す。
  論文  参考訳（メタデータ） (2020-07-11T10:57:45Z)
• Canonicalizing Open Knowledge Bases with Multi-Layered Meta-Graph Neural Network [43.48148444558244]
  オープンナレッジベースにおける名詞句と関係句は普通ではないことが多く、冗長で曖昧な事実に繋がる。 本研究では、構造情報(どの文からか)と意味情報(意味的類似性)を統合し、正準化を行う。 多層メタグラフ構造を通して名詞句と関係句の表現を集約するグラフニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-06-17T02:32:36Z)
• Heterogeneous Graph Neural Networks for Extractive Document Summarization [101.17980994606836]
  クロス文関係は、抽出文書要約における重要なステップである。 We present a graph-based neural network for extractive summarization (HeterSumGraph) 抽出文書要約のためのグラフベースニューラルネットワークに異なる種類のノードを導入する。
  論文  参考訳（メタデータ） (2020-04-26T14:38:11Z)

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。