論文の概要: Sequence Generation with Label Augmentation for Relation Extraction
- arxiv url: http://arxiv.org/abs/2212.14266v1
- Date: Thu, 29 Dec 2022 11:28:05 GMT
- ステータス: 処理完了
- システム内更新日: 2023-01-02 16:22:26.830860
- Title: Sequence Generation with Label Augmentation for Relation Extraction
- Title（参考訳）: ラベル拡張を用いた関係抽出のためのシーケンス生成
- Authors: Bo Li, Dingyao Yu, Wei Ye, Jinglei Zhang, Shikun Zhang
- Abstract要約: 本稿では,関係抽出のためのラベル拡張自動モデルであるRelation extract with Label Augmentation (RELA)を提案する。
実験の結果,RELAは4つのREデータセットの従来の手法と比較して,競争力のある結果が得られることがわかった。
- 参考スコア（独自算出の注目度）: 17.38986046630852
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Sequence generation demonstrates promising performance in recent information
extraction efforts, by incorporating large-scale pre-trained Seq2Seq models.
This paper investigates the merits of employing sequence generation in relation
extraction, finding that with relation names or synonyms as generation targets,
their textual semantics and the correlation (in terms of word sequence pattern)
among them affect model performance. We then propose Relation Extraction with
Label Augmentation (RELA), a Seq2Seq model with automatic label augmentation
for RE. By saying label augmentation, we mean prod semantically synonyms for
each relation name as the generation target. Besides, we present an in-depth
analysis of the Seq2Seq model's behavior when dealing with RE. Experimental
results show that RELA achieves competitive results compared with previous
methods on four RE datasets.
- Abstract（参考訳）: シークエンス生成は、大規模事前学習されたSeq2Seqモデルを組み込むことにより、最近の情報抽出において有望な性能を示す。
本稿では,関係抽出における系列生成の利点について検討し,関係名や同義語を生成対象とし,それらのテキスト意味論と(単語列パターンの観点で)相関関係がモデル性能に与える影響について検討する。
次に,reに対するラベル拡張を自動的に行うseq2seqモデルであるrelaを用いた関係抽出を提案する。
ラベル拡張という言葉は、各関係名に対する意味論的同義語を生成対象として意味する。
さらに、reを扱う際のseq2seqモデルの挙動を詳細に分析する。
実験結果から,RELAは従来の4つのREデータセットの手法と比較して,競合的な結果が得られることがわかった。
関連論文リスト
- InfeRE: Step-by-Step Regex Generation via Chain of Inference [15.276963928784047]
本稿では,ステップ・バイ・ステップ推論の連鎖に表現の生成を分解するInfeREという新しいパラダイムを提案する。
我々は、NL-RX-TurkとKB13の2つの公開データセット上でInfeREを評価し、その結果を最先端のアプローチと人気のツリーベース生成アプローチであるTRANXと比較した。
論文 参考訳（メタデータ） (2023-08-08T04:37:41Z) - SequenceMatch: Imitation Learning for Autoregressive Sequence Modelling with Backtracking [60.109453252858806]
MLE(Maxum-likelihood)の目的は、高品質なシーケンスを自動回帰的に生成する下流のユースケースと一致しない。
我々は、模倣学習(IL)問題としてシーケンス生成を定式化する。
これにより、自己回帰モデルによって生成されるシーケンスの分布とデータセットからのシーケンスとの差異を最小化できる。
得られた手法であるSequenceMatchは、敵の訓練やアーキテクチャの変更なしに実装できる。
論文 参考訳（メタデータ） (2023-06-08T17:59:58Z) - GCRE-GPT: A Generative Model for Comparative Relation Extraction [47.69464882382656]
比較テキストが与えられた場合、比較関係抽出は比較対象と比較対象のアスペクトを抽出することを目的としている。
既存のソリューションはこのタスクをシーケンスラベリングタスクとして定式化し、ターゲットとアスペクトを抽出する。
比較関係は生成モデルにより直接的に高精度に抽出できることを示す。
論文 参考訳（メタデータ） (2023-03-15T13:15:22Z) - Mutual Exclusivity Training and Primitive Augmentation to Induce
Compositionality [84.94877848357896]
最近のデータセットは、標準的なシーケンス・ツー・シーケンスモデルにおける体系的な一般化能力の欠如を露呈している。
本稿では,セq2seqモデルの振る舞いを分析し,相互排他バイアスの欠如と全例を記憶する傾向の2つの要因を同定する。
広範に使用されている2つの構成性データセット上で、標準的なシーケンス・ツー・シーケンスモデルを用いて、経験的改善を示す。
論文 参考訳（メタデータ） (2022-11-28T17:36:41Z) - DORE: Document Ordered Relation Extraction based on Generative Framework [56.537386636819626]
本稿では,既存のDocREモデルの根本原因について検討する。
本稿では,モデルが学習しやすく,決定論的な関係行列から記号列と順序列を生成することを提案する。
4つのデータセットに対する実験結果から,提案手法は生成型DocREモデルの性能を向上させることができることが示された。
論文 参考訳（メタデータ） (2022-10-28T11:18:10Z) - 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) - Minimize Exposure Bias of Seq2Seq Models in Joint Entity and Relation
Extraction [57.22929457171352]
共同エンティティと関係抽出は、プレーンテキストから直接関係三重項を抽出することを目的としている。
本稿では、露出バイアスの影響を最小限に抑えるために、新しいSequence-to-Unordered-Multi-Tree(Seq2UMTree)モデルを提案する。
論文 参考訳（メタデータ） (2020-09-16T06:53:34Z) - On the Discrepancy between Density Estimation and Sequence Generation [92.70116082182076]
log-likelihoodは、同じファミリー内のモデルを考えるとき、BLEUと非常に相関している。
異なる家族間でのモデルランキングの相関はみられない。
論文 参考訳（メタデータ） (2020-02-17T20:13:35Z)
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。