論文の概要: GCRE-GPT: A Generative Model for Comparative Relation Extraction

• arxiv url: http://arxiv.org/abs/2303.08601v1
• Date: Wed, 15 Mar 2023 13:15:22 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-16 13:40:59.322653
• Title: GCRE-GPT: A Generative Model for Comparative Relation Extraction
• Title（参考訳）: GCRE-GPT : 比較関係抽出のための生成モデル
• Authors: Yequan Wang, Hengran Zhang, Aixin Sun, Xuying Meng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 21.92667915964175
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Given comparative text, comparative relation extraction aims to extract two targets (\eg two cameras) in comparison and the aspect they are compared for (\eg image quality). The extracted comparative relations form the basis of further opinion analysis.Existing solutions formulate this task as a sequence labeling task, to extract targets and aspects. However, they cannot directly extract comparative relation(s) from text. In this paper, we show that comparative relations can be directly extracted with high accuracy, by generative model. Based on GPT-2, we propose a Generation-based Comparative Relation Extractor (GCRE-GPT). Experiment results show that \modelname achieves state-of-the-art accuracy on two datasets.
• Abstract（参考訳）: 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(2つのカメラ)と比較対象(画像品質)を抽出することを目的としている。 抽出された比較関係は、さらなる意見分析の基礎を形成し、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。 しかし、テキストから比較関係を直接抽出することはできない。 本稿では,生成モデルを用いて,高い精度で比較関係を直接抽出できることを示す。 GPT-2に基づくGCRE-GPT(Generation-based Comparison Relation Extractor)を提案する。 実験結果から,2つのデータセットに対して,モデル名の精度が得られた。

関連論文リスト

• Sequence Generation with Label Augmentation for Relation Extraction [17.38986046630852]
  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。
  論文  参考訳（メタデータ） (2022-12-29T11:28:05Z)
• Duality-Induced Regularizer for Semantic Matching Knowledge Graph Embeddings [70.390286614242]
  本稿では, 類似のセマンティクスを持つエンティティの埋め込みを効果的に促進する新しい正規化器(duality-induced RegulArizer (DURA))を提案する。 実験により、DURAは、最先端のセマンティックマッチングモデルの性能を一貫して改善することを示した。
  論文  参考訳（メタデータ） (2022-03-24T09:24:39Z)
• Relation Regularized Scene Graph Generation [206.76762860019065]
  SGG(Scene Graph Generation)は、検出されたオブジェクトの上に構築され、オブジェクトのペアの視覚的関係を予測する。 本稿では,2つのオブジェクト間の関係を予測できる関係正規化ネットワーク(R2-Net)を提案する。 我々のR2-Netはオブジェクトラベルを効果的に洗練し、シーングラフを生成する。
  論文  参考訳（メタデータ） (2022-02-22T11:36:49Z)
• HETFORMER: Heterogeneous Transformer with Sparse Attention for Long-Text Extractive Summarization [57.798070356553936]
  HETFORMERはトランスフォーマーをベースとした事前学習モデルであり、抽出要約のための多粒度スパースアテンションを持つ。 単一文書と複数文書の要約タスクの実験から,HETFORMERがルージュF1の最先端性能を達成することが示された。
  論文  参考訳（メタデータ） (2021-10-12T22:42:31Z)
• SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
  本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。 そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
  論文  参考訳（メタデータ） (2021-09-24T17:37:35Z)
• Learning to Synthesize Data for Semantic Parsing [57.190817162674875]
  本稿では,プログラムの構成をモデル化し,プログラムを発話にマップする生成モデルを提案する。 PCFGと事前学習されたBARTの簡易性により,既存のデータから効率的に生成モデルを学習することができる。 GeoQuery と Spider の標準ベンチマークで解析する text-to-Query の in-domain と out-of-domain の両方で、この手法を評価します。
  論文  参考訳（メタデータ） (2021-04-12T21:24:02Z)
• Is the Best Better? Bayesian Statistical Model Comparison for Natural Language Processing [7.65607696962806]
  複数のデータセットにまたがる k-fold cross-validation を用いた統計モデル比較手法を提案する。 この手法を用いて、2つのデータセットと3つの評価指標に6つの英語の音声タグをランク付けする。
  論文  参考訳（メタデータ） (2020-10-06T23:37:28Z)
• Comparative Analysis of N-gram Text Representation on Igbo Text Document Similarity [0.0]
  情報技術の進歩は、オンラインのリソースやニュース記事などのテキスト作成において、Igboの使用を奨励している。 ユークリッド類似度尺度を用いて、2つの単語ベースのn-gramテキスト表現(ユニグラムとビッグラム)モデルで表されるIgboテキスト文書間の類似度を決定する。
  論文  参考訳（メタデータ） (2020-04-01T12:24:47Z)
• Preference Modeling with Context-Dependent Salient Features [12.403492796441434]
  本稿では,各項目の特徴について,ノイズの多いペアワイド比較から,項目集合のランキングを推定する問題を考察する。 私たちのキーとなる観察は、他の項目から分離して比較した2つの項目は、機能の健全なサブセットのみに基づいて比較できるということです。
  論文  参考訳（メタデータ） (2020-02-22T04:05:16Z)
• 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。