論文の概要: Semantic Information Extraction for Text Data with Probability Graph

• arxiv url: http://arxiv.org/abs/2309.08879v1
• Date: Sat, 16 Sep 2023 05:01:20 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 18:53:04.242450
• Title: Semantic Information Extraction for Text Data with Probability Graph
• Title（参考訳）: 確率グラフを用いたテキストデータの意味情報抽出
• Authors: Zhouxiang Zhao, Zhaohui Yang, Ye Hu, Licheng Lin, Zhaoyang Zhang
• Abstract要約: 本稿では,リソース制約付きテキストデータ伝送における意味情報抽出の問題について検討する。 Floydのアルゴリズムに基づく解法と効率的なソート機構を提案する。
• 参考スコア（独自算出の注目度）: 19.347123617466497
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: In this paper, the problem of semantic information extraction for resource constrained text data transmission is studied. In the considered model, a sequence of text data need to be transmitted within a communication resource-constrained network, which only allows limited data transmission. Thus, at the transmitter, the original text data is extracted with natural language processing techniques. Then, the extracted semantic information is captured in a knowledge graph. An additional probability dimension is introduced in this graph to capture the importance of each information. This semantic information extraction problem is posed as an optimization framework whose goal is to extract most important semantic information for transmission. To find an optimal solution for this problem, a Floyd's algorithm based solution coupled with an efficient sorting mechanism is proposed. Numerical results testify the effectiveness of the proposed algorithm with regards to two novel performance metrics including semantic uncertainty and semantic similarity.
• Abstract（参考訳）: 本稿では,資源制約付きテキストデータ伝送における意味情報抽出の問題について検討する。 検討されたモデルでは、テキストデータのシーケンスは、限られたデータ転送しかできない通信リソース制約付きネットワーク内で送信する必要がある。 したがって、送信機では、原文データを自然言語処理技術を用いて抽出する。 そして、抽出した意味情報を知識グラフにキャプチャする。 このグラフでは、各情報の重要性を捉えるために、さらなる確率次元が導入された。 この意味情報抽出問題は、送信のための最も重要な意味情報を抽出する最適化フレームワークとして提案される。 この問題に対する最適解を求めるために,効率的なソート機構を組み込んだフロイドアルゴリズムに基づく解を提案する。 提案手法の有効性を,意味的不確かさと意味的類似性を含む2つの新しい性能指標を用いて検証した。

関連論文リスト

• GuideWalk: A Novel Graph-Based Word Embedding for Enhanced Text Classification [0.0]
  テキストデータの処理には埋め込みが必要であり、テキストの内容を数値ベクトルに変換する方法である。 新たなテキスト埋め込み手法,すなわちガイド遷移確率行列(GTPM)モデルを提案する。 提案手法は,実世界のデータセットと8つのよく知られた,成功した埋め込みアルゴリズムを用いて検証する。
  論文  参考訳（メタデータ） (2024-04-25T18:48:11Z)
• Semantic-Native Communication: A Simplicial Complex Perspective [50.099494681671224]
  トポロジカル空間の観点から意味コミュニケーションを研究する。 送信機はまずデータを$k$の単純複素数にマッピングし、その高次相関を学習する。 受信機は構造を復号し、行方不明または歪んだデータを推測する。
  論文  参考訳（メタデータ） (2022-10-30T22:33:44Z)
• Performance Optimization for Semantic Communications: An Attention-based Reinforcement Learning Approach [187.4094332217186]
  テキストデータ伝送のためのセマンティック通信フレームワークを提案する。 回復したテキストの意味的精度と完全性を共同でキャプチャする意味的類似度尺度(MSS)を提案する。
  論文  参考訳（メタデータ） (2022-08-17T11:39:16Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• Fine-Grained Visual Entailment [51.66881737644983]
  そこで本稿では,テキストから画像への微粒な知識要素の論理的関係を予測することを目的として,このタスクの拡張を提案する。 従来の研究とは異なり、本手法は本質的に説明可能であり、異なるレベルの粒度で論理的予測を行う。 本手法は,手動でアノテートした知識要素のデータセットを用いて評価し,この課題に対して68.18%の精度を達成できることを示す。
  論文  参考訳（メタデータ） (2022-03-29T16:09:38Z)
• DEIM: An effective deep encoding and interaction model for sentence matching [0.0]
  本稿では,ディープエンコーディングとインタラクションに基づく文マッチング手法を提案する。 エンコーダ層では、1つの文を符号化する過程で他の文の情報を参照し、その後、アルゴリズムを用いて情報を融合する。 インタラクション層では、双方向の注意機構と自己注意機構を用いて深い意味情報を得る。
  論文  参考訳（メタデータ） (2022-03-20T07:59:42Z)
• TRIE: End-to-End Text Reading and Information Extraction for Document Understanding [56.1416883796342]
  本稿では,統合されたエンドツーエンドのテキスト読解と情報抽出ネットワークを提案する。 テキスト読解のマルチモーダル視覚的特徴とテキスト的特徴は、情報抽出のために融合される。 提案手法は, 精度と効率の両面において, 最先端の手法よりも優れていた。
  論文  参考訳（メタデータ） (2020-05-27T01:47:26Z)
• Boosting Semantic Human Matting with Coarse Annotations [66.8725980604434]
  粗いアノテートされた人間のデータセットは、公開データセットから取得し、収集するのがずっと簡単です。 マットリファインメントネットワークは、統一マスクと入力画像とを取り込み、最終アルファマットを予測する。
  論文  参考訳（メタデータ） (2020-04-10T09:11:02Z)
• Selective Attention Encoders by Syntactic Graph Convolutional Networks for Document Summarization [21.351111598564987]
  本稿では,文書中の文から解析木を接続するグラフを提案し,文書の構文表現を学習するために重ねられたグラフ畳み込みネットワーク(GCN)を利用する。 提案したGCNによる選択的アテンションアプローチは,ベースラインよりも優れ,データセット上での最先端のパフォーマンスを実現する。
  論文  参考訳（メタデータ） (2020-03-18T01:30:02Z)
• Hybrid Attention-Based Transformer Block Model for Distant Supervision Relation Extraction [20.644215991166902]
  DSREタスクを実行するために,マルチインスタンス学習を用いたハイブリッドアテンションベースのトランスフォーマーブロックを用いた新しいフレームワークを提案する。 提案手法は評価データセットの最先端アルゴリズムより優れている。
  論文  参考訳（メタデータ） (2020-03-10T13:05:52Z)

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。