論文の概要: Relation Extraction Model Based on Semantic Enhancement Mechanism
- arxiv url: http://arxiv.org/abs/2311.02564v1
- Date: Sun, 5 Nov 2023 04:40:39 GMT
- ステータス: 処理完了
- システム内更新日: 2023-11-07 16:51:15.121358
- Title: Relation Extraction Model Based on Semantic Enhancement Mechanism
- Title（参考訳）: 意味的拡張メカニズムに基づく関係抽出モデル
- Authors: Peiyu Liu, Junping Du, Yingxia Shao, and Zeli Guan
- Abstract要約: 本稿では,CaselRフレームワークと拡張機構を組み合わせたCasAugモデルを提案する。
本論文で提案するCasAugモデルでは,ベースラインモデルと比較して,関係抽出の効果が向上した。
- 参考スコア（独自算出の注目度）: 19.700119359495663
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Relational extraction is one of the basic tasks related to information
extraction in the field of natural language processing, and is an important
link and core task in the fields of information extraction, natural language
understanding, and information retrieval. None of the existing relation
extraction methods can effectively solve the problem of triple overlap. The
CasAug model proposed in this paper based on the CasRel framework combined with
the semantic enhancement mechanism can solve this problem to a certain extent.
The CasAug model enhances the semantics of the identified possible subjects by
adding a semantic enhancement mechanism, First, based on the semantic coding of
possible subjects, pre-classify the possible subjects, and then combine the
subject lexicon to calculate the semantic similarity to obtain the similar
vocabulary of possible subjects. According to the similar vocabulary obtained,
each word in different relations is calculated through the attention mechanism.
For the contribution of the possible subject, finally combine the relationship
pre-classification results to weight the enhanced semantics of each
relationship to find the enhanced semantics of the possible subject, and send
the enhanced semantics combined with the possible subject to the object and
relationship extraction module. Complete the final relation triplet extraction.
The experimental results show that, compared with the baseline model, the
CasAug model proposed in this paper has improved the effect of relation
extraction, and CasAug's ability to deal with overlapping problems and extract
multiple relations is also better than the baseline model, indicating that the
semantic enhancement mechanism proposed in this paper It can further reduce the
judgment of redundant relations and alleviate the problem of triple overlap.
- Abstract（参考訳）: 関係抽出は、自然言語処理分野における情報抽出に関する基本課題の1つであり、情報抽出、自然言語理解、情報検索の分野で重要なリンクおよびコアタスクである。
既存の関係抽出手法では、3重重重なりの問題を効果的に解決できない。
本論文で提案するcasaugモデルと意味強調機構を組み合わせることで,この問題をある程度解決することができる。
casaugモデルは、まず、可能な対象のセマンティックコーディングに基づいて意味的拡張機構を追加し、可能な対象を事前に分類し、その後、その意味的類似度を計算して、可能な対象の類似語彙を得ることにより、特定可能な対象のセマンティクスを強化する。
得られた類似語彙に基づき、注目機構を介して、異なる関係にある各単語を算出する。
対象のコントリビューションのために、最後に関係事前分類結果を組み合わせて、各関係の強化意味論を重み付け、対象の強化意味論を見つけ、対象と関係抽出モジュールに可能な対象と組み合わせて強化意味論を送信する。
最後の関係のトリプルト抽出を完了します。
実験結果から,本論文で提案するCasAugモデルは,ベースラインモデルと比較して,関係抽出の効果が向上し,重複問題に対処し,複数の関係を抽出する能力もベースラインモデルよりも優れていることが示唆された。
関連論文リスト
- A Bi-consolidating Model for Joint Relational Triple Extraction [3.972061685570092]
リレーショナルトリプルを抽出する現在の手法は、エンティティ認識に依存することなく、生文の可能なエンティティペアに基づいて直接予測を行う。
このタスクは、複数の関係三重項が文中に1つまたは2つの実体を共有するという深刻な意味的重なり合う問題に悩まされる。
関係三重関係に関連する局所的・大域的意味的特徴を同時に強化することにより、この問題に対処するバイコンソリデーションモデルを提案する。
論文 参考訳（メタデータ） (2024-04-05T04:04:23Z) - Entity or Relation Embeddings? An Analysis of Encoding Strategies for Relation Extraction [19.019881161010474]
関係抽出は、本質的にはテキスト分類問題であり、事前学習言語モデル(LM)を微調整することで取り組める。
既存のアプローチでは、LMを微調整して頭と尾のエンティティの埋め込みを学習し、それらのエンティティの埋め込みから関係を予測する。
本稿では,より直接的な方法で関係を捉えることにより,関係抽出モデルを改善することができるという仮説を立てる。
論文 参考訳（メタデータ） (2023-12-18T09:58:19Z) - Multimodal Relation Extraction with Cross-Modal Retrieval and Synthesis [89.04041100520881]
本研究は,対象物,文,画像全体に基づいて,テキストおよび視覚的証拠を検索することを提案する。
我々は,オブジェクトレベル,画像レベル,文レベル情報を合成し,同一性と異なるモダリティ間の推論を改善する新しい手法を開発した。
論文 参考訳（メタデータ） (2023-05-25T15:26:13Z) - HIORE: Leveraging High-order Interactions for Unified Entity Relation
Extraction [85.80317530027212]
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。
論文 参考訳（メタデータ） (2023-05-07T14:57:42Z) - FGSI: Distant Supervision for Relation Extraction method based on
Fine-Grained Semantic Information [2.6587175537360137]
文内のキーセマンティック情報は、エンティティの関係抽出において重要な役割を果たす。
本稿では,文内のキーセマンティック情報が,エンティティ関係抽出において重要な役割を果たすという仮説を提案する。
提案した関係抽出モデルは、利用可能な正のセマンティック情報を完全に活用することができる。
論文 参考訳（メタデータ） (2023-02-04T03:30:07Z) - HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised
Relation Extraction [60.80849503639896]
非教師なし関係抽出は、関係範囲や分布に関する事前情報のない自然言語文からエンティティ間の関係を抽出することを目的としている。
本稿では,階層間注目を用いた階層的特徴空間から階層的信号を導出する機能を持つ,HiUREという新しいコントラスト学習フレームワークを提案する。
2つの公開データセットの実験結果は、最先端モデルと比較した場合の教師なし関係抽出におけるHiUREの有効性とロバスト性を示す。
論文 参考訳（メタデータ） (2022-05-04T17:56:48Z) - SAIS: Supervising and Augmenting Intermediate Steps for Document-Level
Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。
そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文 参考訳（メタデータ） (2021-09-24T17:37:35Z) - 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) - 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) - TDRE: A Tensor Decomposition Based Approach for Relation Extraction [6.726803950083593]
エンティティペアを非構造化テキストから関係型とともに抽出することは、情報抽出の基本的なサブタスクである。
本稿では,まず,各関係型に富んだ単語対の3次テンソルとして,最終三重項抽出結果をモデル化する。
提案手法は,既存の強いベースラインよりも優れた性能を示す。
論文 参考訳（メタデータ） (2020-10-15T05:29:34Z) - Multiplex Word Embeddings for Selectional Preference Acquisition [70.33531759861111]
単語間の様々な関係に応じて容易に拡張できる多重単語埋め込みモデルを提案する。
本モデルでは,不必要なスパース性を導入することなく,関係の異なる単語を効果的に識別することができる。
論文 参考訳（メタデータ） (2020-01-09T04:47:14Z)
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。