論文の概要: HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction

• arxiv url: http://arxiv.org/abs/2305.04297v1
• Date: Sun, 7 May 2023 14:57:42 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-09 16:30:50.500252
• Title: HIORE: Leveraging High-order Interactions for Unified Entity Relation Extraction
• Title（参考訳）: HIORE: 統一エンティティ関係抽出のための高次相互作用の活用
• Authors: Yijun Wang, Changzhi Sun, Yuanbin Wu, Lei Li, Junchi Yan, and Hao Zhou
• Abstract要約: 本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、単語ペア間の複雑な関連を活用することである。 実験の結果,HIOREは従来最高の統一モデルよりも1.11.8 F1ポイント向上した。
• 参考スコア（独自算出の注目度）: 85.80317530027212
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Entity relation extraction consists of two sub-tasks: entity recognition and relation extraction. Existing methods either tackle these two tasks separately or unify them with word-by-word interactions. In this paper, we propose HIORE, a new method for unified entity relation extraction. The key insight is to leverage the high-order interactions, i.e., the complex association among word pairs, which contains richer information than the first-order word-by-word interactions. For this purpose, we first devise a W-shape DNN (WNet) to capture coarse-level high-order connections. Then, we build a heuristic high-order graph and further calibrate the representations with a graph neural network (GNN). Experiments on three benchmarks (ACE04, ACE05, SciERC) show that HIORE achieves the state-of-the-art performance on relation extraction and an improvement of 1.1~1.8 F1 points over the prior best unified model.
• Abstract（参考訳）: エンティティ関係抽出は、エンティティ認識と関係抽出の2つのサブタスクで構成される。 既存の手法はこれらの2つのタスクを個別に扱うか、単語間相互作用でそれらを統一する。 本稿では,統合エンティティ関係抽出のための新しい手法であるHIOREを提案する。 重要な洞察は、一階の単語同士の相互作用よりもリッチな情報を含む単語ペア間の複雑な関係、すなわち高階の相互作用を活用することである。 この目的のために、まずW字型DNN(WNet)を考案し、粗いレベルの高次接続をキャプチャする。 次に、ヒューリスティックな高次グラフを構築し、グラフニューラルネットワーク(GNN)を用いて表現をキャリブレーションする。 3つのベンチマーク (ACE04, ACE05, SciERC) の実験により、HIORE は関係抽出における最先端性能と、従来最高の統一モデルよりも 1.1~1.8 F1 点の改善を実現している。

関連論文リスト

• Learning Mutual Excitation for Hand-to-Hand and Human-to-Human Interaction Recognition [22.538114033191313]
  相互励起グラフ畳み込み層を積み重ねた相互励起グラフ畳み込みネットワーク(me-GCN)を提案する。 Me-GCは各レイヤとグラフ畳み込み操作の各ステージで相互情報を学習する。 提案するme-GCは,最先端GCN法およびTransformer法より優れている。
  論文  参考訳（メタデータ） (2024-02-04T10:00:00Z)
• Prompt Based Tri-Channel Graph Convolution Neural Network for Aspect Sentiment Triplet Extraction [63.0205418944714]
  Aspect Sentiment Triplet extract (ASTE)は、ある文の三つ子を抽出する新しいタスクである。 近年の研究では、単語関係を二次元テーブルにエンコードするテーブル充填パラダイムを用いてこの問題に対処する傾向にある。 本稿では, 関係表をグラフに変換し, より包括的な関係情報を探索する, Prompt-based Tri-Channel Graph Convolution Neural Network (PT-GCN) と呼ばれるASTEタスクの新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-18T12:46:09Z)
• Joint Entity and Relation Extraction with Span Pruning and Hypergraph Neural Networks [58.43972540643903]
  PLマーカ(最先端マーカーベースピプレリンモデル)上に構築されたEREのためのHyperGraphニューラルネットワーク(hgnn$)を提案する。 エラーの伝播を軽減するため,NERモジュールからのエンティティ識別とラベル付けの負担をモデルのジョイントモジュールに転送するために,ハイリコールプルーナー機構を用いる。 EREタスクに広く使用されている3つのベンチマークの実験は、以前の最先端のPLマーカーよりも大幅に改善されている。
  論文  参考訳（メタデータ） (2023-10-26T08:36:39Z)
• CARE: Co-Attention Network for Joint Entity and Relation Extraction [0.0]
  本稿では,共同エンティティと関係抽出のためのコ・アテンション・ネットワークを提案する。 提案手法では,サブタスク毎に異なる表現を学習するための並列符号化方式を採用する。 このアプローチのコアとなるのは,2つのサブタスク間の双方向のインタラクションをキャプチャするコアテンションモジュールです。
  論文  参考訳（メタデータ） (2023-08-24T03:40:54Z)
• D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
  この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。 本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。 約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
  論文  参考訳（メタデータ） (2021-09-10T22:30:48Z)
• Distantly Supervised Relation Extraction via Recursive Hierarchy-Interactive Attention and Entity-Order Perception [3.8651116146455533]
  文中では、2つの実体の出現順序は、その意味論の理解に寄与する。 文エンコーダがよりエンティティの外観情報を保持できるように,Entity-Order Perception (EOP) と呼ばれる新たな訓練目標を導入する。 提案手法は,P-R曲線,AUC,Top-N精度などの評価指標を用いて,最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-05-18T00:45:25Z)
• Deep Reinforcement Learning of Graph Matching [63.469961545293756]
  ノードとペアの制約下でのグラフマッチング(GM)は、最適化からコンピュータビジョンまでの領域におけるビルディングブロックである。 GMのための強化学習ソルバを提案する。 rgmはペアワイズグラフ間のノード対応を求める。 本手法は,フロントエンドの特徴抽出と親和性関数学習に焦点をあてるという意味において,従来のディープグラフマッチングモデルと異なる。
  論文  参考訳（メタデータ） (2020-12-16T13:48:48Z)
• Improving Coreference Resolution by Leveraging Entity-Centric Features with Graph Neural Networks and Second-order Inference [12.115691569576345]
  Coreferentの言及は通常、テキスト全体においてはるかに分散しており、エンティティレベルの機能を組み込むのが困難である。 本稿では,エンティティ中心の情報をキャプチャ可能なグラフニューラルネットワークに基づくコア参照分解法を提案する。 グローバル推論アルゴリズムは、クラスタの参照を一貫したグループに最適化する。
  論文  参考訳（メタデータ） (2020-09-10T02:22:21Z)
• Cascaded Human-Object Interaction Recognition [175.60439054047043]
  マルチステージで粗大なHOI理解のためのカスケードアーキテクチャを提案する。 各段階で、インスタンスローカライゼーションネットワークは、HOI提案を段階的に洗練し、インタラクション認識ネットワークにフィードする。 慎重に設計された人間中心の関係機能により、これらの2つのモジュールは効果的な相互作用理解に向けて協調的に機能する。
  論文  参考訳（メタデータ） (2020-03-09T17:05:04Z)

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。