Fugu-MT 論文翻訳(概要): CollabKG: A Learnable Human-Machine-Cooperative Information Extraction Toolkit for (Event) Knowledge Graph Construction

論文の概要: CollabKG: A Learnable Human-Machine-Cooperative Information Extraction Toolkit for (Event) Knowledge Graph Construction

arxiv url: http://arxiv.org/abs/2307.00769v1
Date: Mon, 3 Jul 2023 06:18:13 GMT
ステータス: 処理完了
システム内更新日: 2023-07-05 14:19:14.675143
Title: CollabKG: A Learnable Human-Machine-Cooperative Information Extraction Toolkit for (Event) Knowledge Graph Construction
Title（参考訳）: CollabKG:(イベント)知識グラフ構築のための学習可能なヒューマンマシン協調情報抽出ツールキット
Authors: Xiang Wei, Yufeng Chen, Ning Cheng, Xingyu Cui, Jinan Xu, Wenjuan Han
Abstract要約: CollabKGは、KGとEKG構築のための学習可能な人間機械協調IEツールキットである。マルチタスク問題では、CollabKGは、名前付きエンティティ認識(NER)、エンティティリレーショナルトリプル抽出(RE)、イベント抽出(EE)など、異なるIEサブタスクを統一する。
参考スコア（独自算出の注目度）: 34.110266571605216
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: In order to construct or extend entity-centric and event-centric knowledge graphs (KG and EKG), the information extraction (IE) annotation toolkit is essential. However, existing IE toolkits have several non-trivial problems, such as not supporting multi-tasks, not supporting automatic updates. In this work, we present CollabKG, a learnable human-machine-cooperative IE toolkit for KG and EKG construction. Specifically, for the multi-task issue, CollabKG unifies different IE subtasks, including named entity recognition (NER), entity-relation triple extraction (RE), and event extraction (EE), and supports both KG and EKG. Then, combining advanced prompting-based IE technology, the human-machine-cooperation mechanism with LLMs as the assistant machine is presented which can provide a lower cost as well as a higher performance. Lastly, owing to the two-way interaction between the human and machine, CollabKG with learning ability allows self-renewal. Besides, CollabKG has several appealing features (e.g., customization, training-free, propagation, etc.) that make the system powerful, easy-to-use, and high-productivity. We holistically compare our toolkit with other existing tools on these features. Human evaluation quantitatively illustrates that CollabKG significantly improves annotation quality, efficiency, and stability simultaneously.
Abstract（参考訳）: エンティティ中心およびイベント中心の知識グラフ(KG,EKG)の構築や拡張には,情報抽出(IE)アノテーションツールキットが不可欠である。しかし、既存のIEツールキットには、マルチタスクをサポートしない、自動更新をサポートしないなど、いくつかの非自明な問題がある。本研究では,KGとEKG構築のための学習可能な人機械協調IEツールキットCollabKGを提案する。特にマルチタスク問題において、CollabKGは、名前付きエンティティ認識(NER)、エンティティ関連トリプル抽出(RE)、イベント抽出(EE)など、異なるIEサブタスクを統一し、KGとEKGの両方をサポートする。次に,先進的なプロンプトベースIE技術と人間機械協調機構を補助機械としてLLMと組み合わせることで,低コストで高い性能を実現する。最後に、人間と機械の双方向相互作用のため、学習能力を持つCollabKGは自己更新を可能にする。さらにCollabKGには、システムを強力で使いやすく、生産性の高いものにするいくつかの魅力的な機能(カスタマイズ、トレーニング不要、伝播など)がある。これらの機能に関して、ツールキットを既存のツールと比較します。人的評価は,collabkgがアノテーションの品質,効率,安定性を同時に改善することを示す。

関連論文リスト

VideoCoT: A Video Chain-of-Thought Dataset with Active Annotation Tool [21.182745175241894]
我々は,能動的学習パラダイムの下で,機械と人間の専門家を組み合わせた自動アノテーションツールを開発した。 MLLMの複雑な推論能力を最大化するために,CoTを利用して収集したデータセットに基づくベンチマークを提案する。
論文参考訳（メタデータ） (2024-07-07T13:10:23Z)
Towards Completeness-Oriented Tool Retrieval for Large Language Models [60.733557487886635]
現実世界のシステムは多種多様なツールを組み込んでおり、全てのツールを大規模言語モデルに入力することは不可能である。既存のツール検索手法は主にユーザクエリとツール記述間のセマンティックマッチングに焦点を当てている。我々は,ユーザクエリとツール記述のセマンティックな類似性だけでなく,ツールの協調的情報も考慮した,新しいモデル診断型協調学習型ツール検索手法であるCOLTを提案する。
論文参考訳（メタデータ） (2024-05-25T06:41:23Z)
Automated Multi-Task Learning for Joint Disease Prediction on Electronic Health Records [4.159498069487535]
本稿では,タスクグループとアーキテクチャの最適構成を同時に検索できるAutoDPという自動手法を提案する。ハンドクラフトと自動化された最先端の手法の両方に対して大幅な性能向上を実現し、同時に検索コストを同時に維持する。
論文参考訳（メタデータ） (2024-03-06T22:32:48Z)
An Open-Source Knowledge Graph Ecosystem for the Life Sciences [5.665519167428707]
PheKnowLatorは、存在論的基盤を持つ知識グラフの構築を自動化するセマンティックエコシステムである。エコシステムには、KG構築リソース、分析ツール、ベンチマークが含まれている。 PheKnowLatorは、パフォーマンスやユーザビリティを損なうことなく、完全にカスタマイズ可能なKGを可能にする。
論文参考訳（メタデータ） (2023-07-11T18:55:09Z)
Surgical tool classification and localization: results and methods from the MICCAI 2022 SurgToolLoc challenge [69.91670788430162]
SurgLoc 2022 チャレンジの結果を示す。目標は、ツール検出のためにトレーニングされた機械学習モデルにおいて、ツールの存在データを弱いラベルとして活用することだった。これらの結果を機械学習と手術データ科学の幅広い文脈で論じることで結論付ける。
論文参考訳（メタデータ） (2023-05-11T21:44:39Z)
Identification of Cognitive Workload during Surgical Tasks with Multimodal Deep Learning [20.706268332427157]
関連する認知ワークロード(CWL)の増加は、予期せぬ、反復的なタスクへの対処から生じる。本稿では,CWLのマルチモーダル認識のための2つの機械学習手法のカスケードを提案する。畳み込みニューラルネットワーク(CNN)は、この情報を用いて、各手術タスクに関連するさまざまなタイプのCWLを識別する。
論文参考訳（メタデータ） (2022-09-12T18:29:34Z)
MT-Opt: Continuous Multi-Task Robotic Reinforcement Learning at Scale [103.7609761511652]
大規模集団ロボット学習システムが,行動のレパートリーを同時に獲得できることを示す。新しいタスクは、以前学んだタスクから継続的にインスタンス化できる。我々は,7台のロボットから収集したデータを用いて,実世界のタスク12組でシステムを訓練し,評価する。
論文参考訳（メタデータ） (2021-04-16T16:38:02Z)
Relational Graph Learning on Visual and Kinematics Embeddings for Accurate Gesture Recognition in Robotic Surgery [84.73764603474413]
本稿では,マルチモーダルグラフネットワーク(MRG-Net)の新たなオンラインアプローチを提案し,視覚情報とキネマティクス情報を動的に統合する。本手法の有効性は, JIGSAWSデータセット上での最先端の成果で実証された。
論文参考訳（メタデータ） (2020-11-03T11:00:10Z)
A Trainable Optimal Transport Embedding for Feature Aggregation and its Relationship to Attention [96.77554122595578]
固定サイズのパラメータ化表現を導入し、与えられた入力セットから、そのセットとトレーニング可能な参照の間の最適な輸送計画に従って要素を埋め込み、集約する。我々のアプローチは大規模なデータセットにスケールし、参照のエンドツーエンドのトレーニングを可能にすると同時に、計算コストの少ない単純な教師なし学習メカニズムも提供する。
論文参考訳（メタデータ） (2020-06-22T08:35:58Z)

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。