論文の概要: RE-Matching: A Fine-Grained Semantic Matching Method for Zero-Shot Relation Extraction

• arxiv url: http://arxiv.org/abs/2306.04954v1
• Date: Thu, 8 Jun 2023 06:02:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-09 16:02:58.565858
• Title: RE-Matching: A Fine-Grained Semantic Matching Method for Zero-Shot Relation Extraction
• Title（参考訳）: リマッチ:ゼロショット関係抽出のための微粒化セマンティックマッチング法
• Authors: Jun Zhao, Wenyu Zhan, Xin Zhao, Qi Zhang, Tao Gui, Zhongyu Wei, Junzhe Wang, Minlong Peng, Mingming Sun
• Abstract要約: ゼロショット関係抽出に適した微粒なセマンティックマッチング法を提案する。 文レベルの類似度スコアをエンティティとコンテキストマッチングスコアに分解する。 冗長なコンポーネントの明示的なアノテーションが欠如しているため、関係のない特徴を適応的に識別する特徴蒸留モジュールを設計する。
• 参考スコア（独自算出の注目度）: 40.90544879476107
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Semantic matching is a mainstream paradigm of zero-shot relation extraction, which matches a given input with a corresponding label description. The entities in the input should exactly match their hypernyms in the description, while the irrelevant contexts should be ignored when matching. However, general matching methods lack explicit modeling of the above matching pattern. In this work, we propose a fine-grained semantic matching method tailored for zero-shot relation extraction. Following the above matching pattern, we decompose the sentence-level similarity score into entity and context matching scores. Due to the lack of explicit annotations of the redundant components, we design a feature distillation module to adaptively identify the relation-irrelevant features and reduce their negative impact on context matching. Experimental results show that our method achieves higher matching $F_1$ score and has an inference speed 10 times faster, when compared with the state-of-the-art methods.
• Abstract（参考訳）: 意味マッチングはゼロショット関係抽出の主流パラダイムであり、与えられた入力と対応するラベル記述をマッチングする。 入力中のエンティティは記述のハイパーニムと正確に一致しなければならず、無関係なコンテキストはマッチング時に無視されるべきである。 しかし、一般的なマッチング方法は上記のマッチングパターンの明示的なモデリングを欠いている。 本研究では,ゼロショット関係抽出のための細粒度セマンティクスマッチング手法を提案する。 上記のマッチングパターンに従って、文レベルの類似度スコアをエンティティとコンテキストマッチングスコアに分解する。 冗長なコンポーネントの明示的なアノテーションが欠如しているため、関係のない特徴を適応的に識別する機能蒸留モジュールを設計し、コンテキストマッチングに対する負の影響を低減する。 実験結果から,提案手法の精度はF_1$よりも高く,提案手法と比較して10倍高速であることがわかった。

関連論文リスト

• Comateformer: Combined Attention Transformer for Semantic Sentence Matching [11.746010399185437]
  本稿では,トランスフォーマーモデルに基づくコンバインド・アテンション・ネットワークという新しい意味文マッチングモデルを提案する。 Comateformer モデルでは,構成特性を持つ新しい変圧器を用いた準アテンション機構を設計する。 提案手法は,双対親和性スコアを計算する際の類似性と相似性(負親和性)の直感に基づく。
  論文  参考訳（メタデータ） (2024-12-10T06:18:07Z)
• Fusion Makes Perfection: An Efficient Multi-Grained Matching Approach for Zero-Shot Relation Extraction [9.657656957845987]
  そこで本研究では,仮想エンティティマッチングを用いて手作業によるアノテーションのコストを削減する手法を提案する。 実験結果から,本手法は従来の最先端技術(SOTA)法よりも優れていることがわかった。
  論文  参考訳（メタデータ） (2024-06-17T11:31:48Z)
• BERM: Training the Balanced and Extractable Representation for Matching to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
  本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。 センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T15:43:09Z)
• FECANet: Boosting Few-Shot Semantic Segmentation with Feature-Enhanced Context-Aware Network [48.912196729711624]
  Few-shot セマンティックセグメンテーション(Few-shot semantic segmentation)は、新しいクラスの各ピクセルを、わずかに注釈付きサポートイメージで検索するタスクである。 本稿では,クラス間の類似性に起因するマッチングノイズを抑制するために,機能拡張コンテキスト認識ネットワーク(FECANet)を提案する。 さらに,前景と背景の余分な対応関係を符号化する新たな相関再構成モジュールを提案する。
  論文  参考訳（メタデータ） (2023-01-19T16:31:13Z)
• Relational Sentence Embedding for Flexible Semantic Matching [86.21393054423355]
  文埋め込みの可能性を明らかにするための新しいパラダイムとして,文埋め込み(Sentence Embedding, RSE)を提案する。 RSEは文関係のモデル化に有効で柔軟性があり、一連の最先端の埋め込み手法より優れている。
  論文  参考訳（メタデータ） (2022-12-17T05:25:17Z)
• Logic-guided Semantic Representation Learning for Zero-Shot Relation Classification [31.887770824130957]
  ゼロショット関係分類のための論理誘導型意味表現学習モデルを提案する。 我々のアプローチは、暗黙的および明示的な意味表現と知識グラフの埋め込みと論理規則との接続を構築する。
  論文  参考訳（メタデータ） (2020-10-30T04:30:09Z)
• Wasserstein Distance Regularized Sequence Representation for Text Matching in Asymmetrical Domains [51.91456788949489]
  WD-Matchと呼ばれる非対称領域におけるテキストマッチングに適した新しいマッチング手法を提案する。 WD-Matchでは、ワッサーシュタイン距離に基づく正規化器が定義され、異なる領域から投影される特徴ベクトルを正規化する。 WD-Matchのトレーニングプロセスは、ワッサースタイン距離によって正規化されるマッチング損失を最小限に抑えるゲームに相当する。
  論文  参考訳（メタデータ） (2020-10-15T12:52:09Z)
• Extractive Summarization as Text Matching [123.09816729675838]
  本稿では,ニューラル抽出要約システムの構築方法に関するパラダイムシフトを作成する。 抽出した要約タスクを意味テキストマッチング問題として定式化する。 我々はCNN/DailyMailの最先端抽出結果を新しいレベル(ROUGE-1の44.41)に推し進めた。
  論文  参考訳（メタデータ） (2020-04-19T08:27:57Z)

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。