論文の概要: BED: Bi-Encoder-Decoder Model for Canonical Relation Extraction

• arxiv url: http://arxiv.org/abs/2312.07088v1
• Date: Tue, 12 Dec 2023 09:14:55 GMT
• ステータス: 処理完了
• システム内更新日: 2023-12-13 16:49:14.092763
• Title: BED: Bi-Encoder-Decoder Model for Canonical Relation Extraction
• Title（参考訳）: BED:標準関係抽出のためのバイエンコーダデコーダモデル
• Authors: Nantao Zheng and Siyu Long and Xinyu Dai
• Abstract要約: 本稿では,この問題を解決するために,BED(Bi-Encoder-Decoder)という新しいフレームワークを提案する。 具体的には、エンティティ情報を十分に活用するために、エンコーダを用いて、この情報の関係意味論を符号化し、高品質なエンティティ表現をもたらす。 提案手法は,従来の最先端技術よりも大幅な性能向上を実現し,再訓練を伴わずに新規エンティティを良好に処理する。
• 参考スコア（独自算出の注目度）: 23.132049060993506
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Canonical relation extraction aims to extract relational triples from sentences, where the triple elements (entity pairs and their relationship) are mapped to the knowledge base. Recently, methods based on the encoder-decoder architecture are proposed and achieve promising results. However, these methods cannot well utilize the entity information, which is merely used as augmented training data. Moreover, they are incapable of representing novel entities, since no embeddings have been learned for them. In this paper, we propose a novel framework, Bi-Encoder-Decoder (BED), to solve the above issues. Specifically, to fully utilize entity information, we employ an encoder to encode semantics of this information, leading to high-quality entity representations. For novel entities, given a trained entity encoder, their representations can be easily generated. Experimental results on two datasets show that, our method achieves a significant performance improvement over the previous state-of-the-art and handle novel entities well without retraining.
• Abstract（参考訳）: 正準関係抽出は、三重項(エンティティペアとそれらの関係)が知識ベースにマッピングされる文から関係三重項を抽出することを目的としている。 近年,エンコーダ-デコーダアーキテクチャに基づく手法を提案し,有望な結果を得た。 しかし、これらの手法は、強化トレーニングデータとしてのみ用いられるエンティティ情報をうまく利用できない。 さらに、埋め込みが学習されていないため、新しい実体を表現できない。 本稿では,この問題を解決するために,BED(Bi-Encoder-Decoder)という新しいフレームワークを提案する。 具体的には,エンティティ情報を十分に活用するために,エンコーダを用いて情報の意味を符号化し,高品質なエンティティ表現を実現する。 訓練されたエンティティエンコーダが与えられた新しいエンティティでは、それらの表現を簡単に生成できる。 2つのデータセットにおける実験結果から,本手法は従来より大幅に性能が向上し,新たなエンティティをリトレーニングすることなくうまく処理できることがわかった。

関連論文リスト

• Bidirectional Trained Tree-Structured Decoder for Handwritten Mathematical Expression Recognition [51.66383337087724]
  Handwriting Mathematical Expression Recognition (HMER) タスクは、OCRの分野における重要な分岐である。 近年の研究では、双方向コンテキスト情報の導入により、HMERモデルの性能が大幅に向上することが示されている。 本稿では,MF-SLT と双方向非同期トレーニング (BAT) 構造を提案する。
  論文  参考訳（メタデータ） (2023-12-31T09:24:21Z)
• Towards Better Entity Linking with Multi-View Enhanced Distillation [30.554387215553238]
  本稿では,エンティティリンクのためのマルチビュー拡張蒸留(MVD)フレームワークを提案する。 MVDは、エンティティ内の複数の細粒度および参照関連部分の知識を、クロスエンコーダからデュアルエンコーダへ効果的に転送することができる。 実験により,提案手法はいくつかのエンティティリンクベンチマークにおいて最先端の性能を達成することを示す。
  論文  参考訳（メタデータ） (2023-05-27T05:15:28Z)
• Investigating Graph Structure Information for Entity Alignment with Dangling Cases [31.779386064600956]
  エンティティアライメントは、異なる知識グラフ(KG)における等価なエンティティを見つけることを目的としている。 Weakly-optimal Graph Contrastive Learning (WOGCL) と呼ばれる新しいエンティティアライメントフレームワークを提案する。 We show that WOGCL are outperforms the current-of-the-art method with pure structure information in traditional (relaxed) and dangling settings。
  論文  参考訳（メタデータ） (2023-04-10T17:24:43Z)
• Modeling Entities as Semantic Points for Visual Information Extraction in the Wild [55.91783742370978]
  文書画像から鍵情報を正確かつ堅牢に抽出する手法を提案する。 我々は、エンティティを意味的ポイントとして明示的にモデル化する。つまり、エンティティの中心点は、異なるエンティティの属性と関係を記述する意味情報によって豊かになる。 提案手法は,従来の最先端モデルと比較して,エンティティラベルとリンクの性能を著しく向上させることができる。
  論文  参考訳（メタデータ） (2023-03-23T08:21:16Z)
• Knowledge-integrated AutoEncoder Model [0.0]
  本稿では,外部知識源を学習プロセスに統合できるAEモデル開発のための新しいアプローチを提案する。 提案モデルは,3つの異なる科学分野の大規模データセットを用いて評価する。
  論文  参考訳（メタデータ） (2023-03-12T18:00:12Z)
• ED2LM: Encoder-Decoder to Language Model for Faster Document Re-ranking Inference [70.36083572306839]
  本稿では,再ランク付けのための新しいトレーニングおよび推論パラダイムを提案する。 文書形式を用いて事前訓練したエンコーダ・デコーダモデルを精査し,クエリ生成を行う。 このエンコーダ-デコーダアーキテクチャは,推論中にデコーダのみの言語モデルに分解可能であることを示す。
  論文  参考訳（メタデータ） (2022-04-25T06:26:29Z)
• AutoTriggER: Label-Efficient and Robust Named Entity Recognition with Auxiliary Trigger Extraction [54.20039200180071]
  我々は,エンティティトリガの自動生成と活用によるNER性能向上のための新しいフレームワークを提案する。 筆者らのフレームワークは,ポストホックな説明を活用して合理的な知識を生成し,埋め込み手法を用いてモデルの事前知識を強化する。 AutoTriggERは強力なラベル効率を示し、目に見えないエンティティを一般化し、RoBERTa-CRFベースラインを平均0.5F1ポイント上回る性能を持つ。
  論文  参考訳（メタデータ） (2021-09-10T08:11:56Z)
• Autoregressive Entity Retrieval [55.38027440347138]
  エンティティは、知識の表現と集約の方法の中心にあります。 クエリが与えられたエンティティを検索できることは、エンティティリンクやオープンドメインの質問応答のような知識集約的なタスクに基本となる。 本稿では,自己回帰方式でトークン・バイ・トークンを左から右に生成し,エンティティを検索する最初のシステムであるGENREを提案する。
  論文  参考訳（メタデータ） (2020-10-02T10:13:31Z)
• Auto-Encoding Twin-Bottleneck Hashing [141.5378966676885]
  本稿では,効率よく適応的なコード駆動グラフを提案する。 自動エンコーダのコンテキストでデコードすることで更新される。 ベンチマークデータセットの実験は、最先端のハッシュ手法よりもフレームワークの方が優れていることを明らかに示しています。
  論文  参考訳（メタデータ） (2020-02-27T05:58:12Z)

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。