論文の概要: Multi-hop Evidence Retrieval for Cross-document Relation Extraction
- arxiv url: http://arxiv.org/abs/2212.10786v2
- Date: Mon, 5 Jun 2023 00:43:13 GMT
- ステータス: 処理完了
- システム内更新日: 2023-06-07 03:35:40.076973
- Title: Multi-hop Evidence Retrieval for Cross-document Relation Extraction
- Title（参考訳）: クロスドキュメント関係抽出のためのマルチホップエビデンス検索
- Authors: Keming Lu, I-Hung Hsu, Wenxuan Zhou, Mingyu Derek Ma and Muhao Chen
- Abstract要約: 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。
- 参考スコア（独自算出の注目度）: 23.98136192661566
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Relation Extraction (RE) has been extended to cross-document scenarios
because many relations are not simply described in a single document. This
inevitably brings the challenge of efficient open-space evidence retrieval to
support the inference of cross-document relations, along with the challenge of
multi-hop reasoning on top of entities and evidence scattered in an open set of
documents. To combat these challenges, we propose MR.COD (Multi-hop evidence
retrieval for Cross-document relation extraction), which is a multi-hop
evidence retrieval method based on evidence path mining and ranking. We explore
multiple variants of retrievers to show evidence retrieval is essential in
cross-document RE. We also propose a contextual dense retriever for this
setting. Experiments on CodRED show that evidence retrieval with MR.COD
effectively acquires crossdocument evidence and boosts end-to-end RE
performance in both closed and open settings.
- Abstract（参考訳）: 関係抽出(re)は、多くの関係が単に単一のドキュメントに記述されないため、クロスドキュメントシナリオに拡張されている。
このことは、クロスドキュメント関係の推論を支援するための効率的なオープンスペースエビデンス検索の課題と、オープンな文書群に散在するエンティティやエビデンスの上にマルチホップ推論の課題をもたらす。
これらの課題に対処するため,我々は,証拠パスマイニングとランク付け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 retrieval for cross-document relation extraction)を提案する。
本稿では,クロスドキュメントREにおいてエビデンス検索が不可欠であることを示すために,複数種類のレトリバーを探索する。
また,この設定に対する文脈的高密度検索手法を提案する。
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パフォーマンスを向上させる。
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) - 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) - 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) - Complex Claim Verification with Evidence Retrieved in the Wild [73.19998942259073]
Webから生の証拠を取り出すことによって,実世界のクレームをチェックするための,最初の完全自動化パイプラインを提示する。
私たちのパイプラインには,クレーム分解,生文書検索,きめ細かい証拠検索,クレーム中心の要約,正確性判定という5つのコンポーネントが含まれています。
論文 参考訳（メタデータ） (2023-05-19T17:49:19Z) - Fine-Grained Distillation for Long Document Retrieval [86.39802110609062]
ロングドキュメント検索は、大規模コレクションからクエリ関連ドキュメントを取得することを目的としている。
知識蒸留は、異質だが強力なクロスエンコーダを模倣することによって、レトリバーを改善するために事実上のものである。
本稿では, 長期文書検索のための新たな学習フレームワークFGDを提案する。
論文 参考訳（メタデータ） (2022-12-20T17:00:36Z) - Natural Logic-guided Autoregressive Multi-hop Document Retrieval for
Fact Verification [21.04611844009438]
マルチホップ検索のための新しい検索・参照手法を提案する。
知識ソース内の文書と、以前検索された文書から文を共同でスコアする検索器で構成されている。
証拠が十分であると判断された場合、検索プロセスを動的に終了する証明システムによってガイドされる。
論文 参考訳（メタデータ） (2022-12-10T11:32:38Z) - Entity-centered Cross-document Relation Extraction [34.38369224008656]
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。
論文 参考訳（メタデータ） (2022-10-29T09:27:15Z) - GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。
FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
論文 参考訳（メタデータ） (2022-04-12T03:49:35Z) - Modeling Endorsement for Multi-Document Abstractive Summarization [10.166639983949887]
単一文書の要約と多文書の要約の重大な違いは、文書の中で健全なコンテンツがどのように現れるかである。
本稿では,複数文書要約における文書間補完効果とその活用をモデル化する。
提案手法は各文書から合成を生成し,他の文書から有意な内容を識別する支援者として機能する。
論文 参考訳（メタデータ） (2021-10-15T03:55:42Z) - 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。