論文の概要: OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual
Entity Alignment
- arxiv url: http://arxiv.org/abs/2305.01561v1
- Date: Tue, 2 May 2023 16:03:54 GMT
- ステータス: 処理完了
- システム内更新日: 2023-05-03 13:49:44.268598
- Title: OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual
Entity Alignment
- Title(参考訳): OTIEA:言語横断的エンティティアライメントのためのオントロジー強化三種内在性相関
- Authors: Zhishuo Zhang and Chengxiang Tan and Xueyan Zhao and Min Yang and
Chaoqun Jiang
- Abstract要約: 十分な外部リソースを持たない言語間およびドメイン間の知識アライメントは、基本的で決定的な課題である。
本稿では、オントロジー対と三重認識による役割強化機構に基づく新しいユニバーサルEAフレームワーク(OTIEA)を提案する。
実世界の3つのデータセットに対する実験結果から,本フレームワークはベースラインと比較して競争性能が向上することが示された。
- 参考スコア(独自算出の注目度): 12.054806502375575
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Cross-lingual and cross-domain knowledge alignment without sufficient
external resources is a fundamental and crucial task for fusing irregular data.
As the element-wise fusion process aiming to discover equivalent objects from
different knowledge graphs (KGs), entity alignment (EA) has been attracting
great interest from industry and academic research recent years. Most of
existing EA methods usually explore the correlation between entities and
relations through neighbor nodes, structural information and external
resources. However, the complex intrinsic interactions among triple elements
and role information are rarely modeled in these methods, which may lead to the
inadequate illustration for triple. In addition, external resources are usually
unavailable in some scenarios especially cross-lingual and cross-domain
applications, which reflects the little scalability of these methods. To tackle
the above insufficiency, a novel universal EA framework (OTIEA) based on
ontology pair and role enhancement mechanism via triple-aware attention is
proposed in this paper without introducing external resources. Specifically, an
ontology-enhanced triple encoder is designed via mining intrinsic correlations
and ontology pair information instead of independent elements. In addition, the
EA-oriented representations can be obtained in triple-aware entity decoder by
fusing role diversity. Finally, a bidirectional iterative alignment strategy is
deployed to expand seed entity pairs. The experimental results on three
real-world datasets show that our framework achieves a competitive performance
compared with baselines.
- Abstract(参考訳): 十分な外部リソースを持たない言語間およびドメイン間の知識アライメントは、不規則なデータを融合するための基本的で重要なタスクである。
異なる知識グラフ(KG)から等価物体を発見することを目的とした要素融合プロセスとして,近年,産業や学術研究から,エンティティアライメント(EA)が注目されている。
既存のEA手法の多くは、通常、隣のノード、構造情報、外部リソースを通してエンティティと関係の相関を探求する。
しかし、三重要素と役割情報の間の複雑な内在的相互作用はこれらの方法ではほとんどモデル化されず、三重要素の図解が不十分になる可能性がある。
加えて、外部リソースは通常、いくつかのシナリオ、特に言語横断アプリケーションやドメイン横断アプリケーションでは利用できない。
そこで本論文では,オントロジー対と三重認識による役割強化機構に基づく新しいユニバーサルEAフレームワーク(OTIEA)を提案する。
具体的には、独立要素の代わりに固有相関とオントロジーペア情報をマイニングすることで、オントロジー強化三重エンコーダを設計する。
さらに、EA指向の表現は、役割多様性を融合させて三重認識エンティティデコーダで得ることができる。
最後に、シードエンティティペアを拡張するために双方向反復アライメント戦略が展開される。
実世界の3つのデータセットに対する実験結果から,本フレームワークはベースラインと比較して競争性能が向上することが示された。
関連論文リスト
- EnriCo: Enriched Representation and Globally Constrained Inference for Entity and Relation Extraction [3.579132482505273]
結合実体と関係抽出は、特に知識グラフの構築において、様々な応用において重要な役割を担っている。
既存のアプローチはしばしば、表現の豊かさと出力構造におけるコヒーレンスという2つの重要な側面に欠ける。
本研究では,これらの欠点を緩和するEnriCoを紹介する。
論文 参考訳(メタデータ) (2024-04-18T20:15:48Z) - Source-Free Collaborative Domain Adaptation via Multi-Perspective
Feature Enrichment for Functional MRI Analysis [55.03872260158717]
安静時MRI機能(rs-fMRI)は、神経疾患の分析を助けるために多地点で研究されている。
ソース領域とターゲット領域の間のfMRIの不均一性を低減するための多くの手法が提案されている。
しかし、マルチサイト研究における懸念やデータストレージの負担のため、ソースデータの取得は困難である。
我々は、fMRI解析のためのソースフリー協調ドメイン適応フレームワークを設計し、事前訓練されたソースモデルとラベルなしターゲットデータのみにアクセスできるようにする。
論文 参考訳(メタデータ) (2023-08-24T01:30:18Z) - Feature Decoupling-Recycling Network for Fast Interactive Segmentation [79.22497777645806]
近年のインタラクティブセグメンテーション手法では,入力としてソースイメージ,ユーザガイダンス,従来予測されていたマスクを反復的に取り込んでいる。
本稿では,本質的な相違点に基づいてモデリングコンポーネントを分離するFDRN(Feature Decoupling-Recycling Network)を提案する。
論文 参考訳(メタデータ) (2023-08-07T12:26:34Z) - Multi-Grained Multimodal Interaction Network for Entity Linking [65.30260033700338]
マルチモーダルエンティティリンクタスクは、マルチモーダル知識グラフへの曖昧な言及を解決することを目的としている。
MELタスクを解決するための新しいMulti-Grained Multimodal InteraCtion Network $textbf(MIMIC)$ frameworkを提案する。
論文 参考訳(メタデータ) (2023-07-19T02:11:19Z) - From Alignment to Entailment: A Unified Textual Entailment Framework for
Entity Alignment [17.70562397382911]
既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。
我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。
提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
論文 参考訳(メタデータ) (2023-05-19T08:06:50Z) - Type-enhanced Ensemble Triple Representation via Triple-aware Attention
for Cross-lingual Entity Alignment [12.894775396801958]
TTEA -- Triple-aware Attention for Cross-lingual Entityアライメントによる型付きアンサンブルトリプル表現を提案する。
我々のフレームワークは三重要素の役割の多様性をモデル化するために三重要素の強化を利用する。
我々のフレームワークは、3つの実世界の言語間データセットの実験において最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2023-05-02T15:56:11Z) - UniRel: Unified Representation and Interaction for Joint Relational
Triple Extraction [29.15806644012706]
我々はUniRelを提案し、エンティティとリレーションのリッチな相関を捉えることの課題に対処する。
具体的には、エンティティとリレーションシップの表現を、リレーショナルな自然言語シーケンスで共同で符号化することで統一する。
2つの一般的な3重抽出データセットに関する包括的実験により、UniRelはより効率的な計算効率を示す。
論文 参考訳(メタデータ) (2022-11-16T16:53:13Z) - Towards Realistic Low-resource Relation Extraction: A Benchmark with
Empirical Baseline Study [51.33182775762785]
本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。
低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
論文 参考訳(メタデータ) (2022-10-19T15:46:37Z) - PRGC: Potential Relation and Global Correspondence Based Joint
Relational Triple Extraction [23.998135821388203]
我々は、ポテンシャル関係と大域対応(PRGC)に基づく連立三重抽出フレームワークを提案する。
PRGCは、より効率のよい公開ベンチマークで最先端のパフォーマンスを実現し、重複するトリプルの複雑なシナリオで一貫したパフォーマンス向上を実現している。
論文 参考訳(メタデータ) (2021-06-18T03:38:07Z) - Link Prediction on N-ary Relational Data Based on Relatedness Evaluation [61.61555159755858]
我々は,n-aryリレーショナルデータ上でリンク予測を行うNaLPという手法を提案する。
各 n 個の関係事実を、その役割と役割と値のペアの集合として表現する。
実験結果は,提案手法の有効性と有用性を検証した。
論文 参考訳(メタデータ) (2021-04-21T09:06:54Z) - Cross-Supervised Joint-Event-Extraction with Heterogeneous Information
Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。
トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。
我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文 参考訳(メタデータ) (2020-10-13T11:51:17Z)
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。