論文の概要: Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency

• arxiv url: http://arxiv.org/abs/2311.03253v1
• Date: Mon, 6 Nov 2023 16:40:13 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-07 13:35:55.877299
• Title: Coherent Entity Disambiguation via Modeling Topic and Categorical Dependency
• Title（参考訳）: トピックとカテゴリ依存をモデル化するコヒーレントエンティティの曖昧さ
• Authors: Zilin Xiao, Linjun Shou, Xingyao Zhang, Jie Wu, Ming Gong, Jian Pei, Daxin Jiang
• Abstract要約: 従来のエンティティ曖昧化(ED)メソッドは、参照コンテキストと候補エンティティの一致するスコアに基づいて予測を行う、識別パラダイムを採用している。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 我々は、人気EDベンチマークにおいて、平均1.3F1ポイントの改善により、最先端の新たな結果を得る。
• 参考スコア（独自算出の注目度）: 87.16283281290053
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Previous entity disambiguation (ED) methods adopt a discriminative paradigm, where prediction is made based on matching scores between mention context and candidate entities using length-limited encoders. However, these methods often struggle to capture explicit discourse-level dependencies, resulting in incoherent predictions at the abstract level (e.g. topic or category). We propose CoherentED, an ED system equipped with novel designs aimed at enhancing the coherence of entity predictions. Our method first introduces an unsupervised variational autoencoder (VAE) to extract latent topic vectors of context sentences. This approach not only allows the encoder to handle longer documents more effectively, conserves valuable input space, but also keeps a topic-level coherence. Additionally, we incorporate an external category memory, enabling the system to retrieve relevant categories for undecided mentions. By employing step-by-step entity decisions, this design facilitates the modeling of entity-entity interactions, thereby maintaining maximum coherence at the category level. We achieve new state-of-the-art results on popular ED benchmarks, with an average improvement of 1.3 F1 points. Our model demonstrates particularly outstanding performance on challenging long-text scenarios.
• Abstract（参考訳）: 従来のエンティティ曖昧化法 (ED) では,長さ制限エンコーダを用いた参照コンテキストと候補エンティティの一致スコアに基づいて予測を行う。 しかしながら、これらの手法はしばしば明示的な談話レベルの依存関係を捉えるのに苦労し、抽象的なレベルでの一貫性のない予測(トピックやカテゴリなど)をもたらす。 本稿では,エンティティ予測のコヒーレンス向上を目的とした新しいデザインを備えたEDシステムであるCoherentedを提案する。 まず,文脈文の潜在話題ベクトルを抽出するために,教師なし変分オートエンコーダ(VAE)を導入する。 このアプローチにより、エンコーダはより長いドキュメントをより効果的に扱い、貴重な入力空間を保存できるだけでなく、トピックレベルの一貫性も維持できる。 さらに,外部のカテゴリメモリを組み込んで,未決定の参照に対して関連するカテゴリを検索する。 ステップバイステップのエンティティ決定を採用することにより、この設計はエンティティとエンティティの相互作用のモデリングを促進し、カテゴリレベルで最大の一貫性を維持する。 一般的なEDベンチマークでは,1.3F1ポイントの平均的な改善が得られた。 本モデルは,長文シナリオに対して特に優れた性能を示す。

関連論文リスト

• Entity-Aware Biaffine Attention Model for Improved Constituent Parsing with Reduced Entity Violations [0.0]
  本稿では,構成構文解析のためのエンティティ対応バイファインアテンションモデルを提案する。 このモデルは、潜在的なフレーズに付加的なエンティティロールベクトルを使用することで、エンティティ情報をバイファインアテンションメカニズムに組み込む。 我々は、解析結果におけるエンティティ違反の程度を定量化するために、新しいメトリクスであるEntity Violating Rate(EVR)を導入する。
  論文  参考訳（メタデータ） (2024-09-01T05:59:54Z)
• Entity Disambiguation via Fusion Entity Decoding [68.77265315142296]
  より詳細なエンティティ記述を持つエンティティを曖昧にするためのエンコーダ・デコーダモデルを提案する。 GERBILベンチマークでは、EntQAと比較して、エンド・ツー・エンドのエンティティリンクが+1.5%改善されている。
  論文  参考訳（メタデータ） (2024-04-02T04:27:54Z)
• IDRNet: Intervention-Driven Relation Network for Semantic Segmentation [34.09179171102469]
  同時進行の視覚パターンは、画素関係モデリングが密接な予測タスクを促進することを示唆している。 印象的な結果にもかかわらず、既存のパラダイムは、しばしば不適切または効果的な文脈情報集約に悩まされる。 我々は,textbfIntervention-textbfDriven textbfRelation textbfNetworkを提案する。
  論文  参考訳（メタデータ） (2023-10-16T18:37:33Z)
• Prototype-based Embedding Network for Scene Graph Generation [105.97836135784794]
  現在のシーングラフ生成(SGG)手法は、コンテキスト情報を探索し、エンティティペア間の関係を予測する。 被写体と対象物の組み合わせが多様であるため、各述語カテゴリーには大きなクラス内変異が存在する。 プロトタイプベースのEmbedding Network (PE-Net) は、エンティティ/述語を、プロトタイプに準拠したコンパクトで独特な表現でモデル化する。 PLは、PE-Netがそのようなエンティティ述語マッチングを効率的に学習するのを助けるために導入され、不明瞭なエンティティ述語マッチングを緩和するためにプロトタイプ正規化(PR)が考案されている。
  論文  参考訳（メタデータ） (2023-03-13T13:30:59Z)
• Context-aware Fine-tuning of Self-supervised Speech Models [56.95389222319555]
  微調整におけるコンテキスト,すなわち周辺セグメントの使用について検討する。 我々はコンテキスト認識ファインチューニングと呼ばれる新しいアプローチを提案する。 いくつかの下流タスクに対して,SLUE と Libri-light ベンチマークを用いて提案手法の評価を行った。
  論文  参考訳（メタデータ） (2022-12-16T15:46:15Z)
• Modeling Complex Dialogue Mappings via Sentence Semantic Segmentation Guided Conditional Variational Auto-Encoder [23.052838118122835]
  複合対話マッピング(CDM)は、一対多と多対一のマッピングを含む、不整合や鈍い応答を生成する傾向がある。 本稿では, セマンティックテキストbfSegmentation guided textbfConditional textbfVariational textbfAuto-textbfEncoder(SegCVAE)法を提案する。
  論文  参考訳（メタデータ） (2022-12-01T02:31:10Z)
• End-to-End Entity Detection with Proposer and Regressor [6.25916397918329]
  ネストされた実体認識は ネストシナリオの存在に対して 広範囲に注意を払っている 本稿では,提案手法と回帰器を用いたエンドツーエンドのエンティティ検出手法を提案する。 WeboNER データセットでは GENIA データセットでは 80.74 ,WeiboNER データセットでは 72.38 という,最先端の F1 スコアが得られた。
  論文  参考訳（メタデータ） (2022-10-19T02:42:46Z)
• Entity Disambiguation with Entity Definitions [50.01142092276296]
  ローカルモデルはEntity Disambiguation (ED)で最近驚くべきパフォーマンスを達成した それまでの研究は、各候補者のテキスト表現として、ウィキペディアのタイトルのみを使うことに限られていた。 本稿では、この制限に対処し、より表現力のあるテキスト表現がそれを緩和できる範囲について検討する。 提案する6つのベンチマークのうち2つに新たな技術の現状を報告し,未知のパターンに対する一般化能力を強く改善する。
  論文  参考訳（メタデータ） (2022-10-11T17:46:28Z)
• Unsupervised Domain Adaptation in Semantic Segmentation: a Review [22.366638308792734]
  本研究の目的は, セマンティックセグメンテーションのための深層ネットワークのUnsupervised Domain Adaptation (UDA) の最近の進歩について概説することである。
  論文  参考訳（メタデータ） (2020-05-21T20:10:38Z)
• Improve Variational Autoencoder for Text Generationwith Discrete Latent Bottleneck [52.08901549360262]
  変分オートエンコーダ(VAE)は、エンドツーエンドの表現学習において必須のツールである。 VAEは強い自己回帰デコーダで潜伏変数を無視する傾向がある。 よりコンパクトな潜在空間において暗黙的な潜在特徴マッチングを強制する原理的アプローチを提案する。
  論文  参考訳（メタデータ） (2020-04-22T14:41:37Z)

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。