論文の概要: Exploiting Duality in Open Information Extraction with Predicate Prompt

• arxiv url: http://arxiv.org/abs/2401.11107v1
• Date: Sat, 20 Jan 2024 03:55:17 GMT
• ステータス: 処理完了
• システム内更新日: 2024-01-23 17:52:07.613311
• Title: Exploiting Duality in Open Information Extraction with Predicate Prompt
• Title（参考訳）: 述語プロンプトを用いたオープン情報抽出における重複の爆発
• Authors: Zhen Chen, Jingping Liu, Deqing Yang, Yanghua Xiao, Huimin Xu, Zongyu Wang, Rui Xie and Yunsen Xian
• Abstract要約: 文から三つ子を抽出すると同時に2つのタスクを同時に達成する新しい生成型OpenIEモデル,すなわちemphDualOIEを提案する。 具体的には、DualOIEは、2つのステップで三つ子を抽出する: 1) 最初はすべての潜在的な述語列を抽出し、2) 述語列を三つ子の生成を誘導するプロンプトとして使用する。 We experiment on two benchmarks and our dataset constructed from Meituan showed that DualOIE achieved the best performance of the State-of-the-art baselines。
• 参考スコア（独自算出の注目度）: 44.0846982375855
• License: http://creativecommons.org/licenses/by-nc-nd/4.0/
• Abstract: Open information extraction (OpenIE) aims to extract the schema-free triplets in the form of (\emph{subject}, \emph{predicate}, \emph{object}) from a given sentence. Compared with general information extraction (IE), OpenIE poses more challenges for the IE models, {especially when multiple complicated triplets exist in a sentence. To extract these complicated triplets more effectively, in this paper we propose a novel generative OpenIE model, namely \emph{DualOIE}, which achieves a dual task at the same time as extracting some triplets from the sentence, i.e., converting the triplets into the sentence.} Such dual task encourages the model to correctly recognize the structure of the given sentence and thus is helpful to extract all potential triplets from the sentence. Specifically, DualOIE extracts the triplets in two steps: 1) first extracting a sequence of all potential predicates, 2) then using the predicate sequence as a prompt to induce the generation of triplets. Our experiments on two benchmarks and our dataset constructed from Meituan demonstrate that DualOIE achieves the best performance among the state-of-the-art baselines. Furthermore, the online A/B test on Meituan platform shows that 0.93\% improvement of QV-CTR and 0.56\% improvement of UV-CTR have been obtained when the triplets extracted by DualOIE were leveraged in Meituan's search system.
• Abstract（参考訳）: open information extraction (openie) は、与えられた文から (\emph{subject}, \emph{predicate}, \emph{object}) という形でスキーマフリーの三重項を抽出することを目的としている。 一般的な情報抽出 (IE) と比較すると、OpenIEはIEモデルにより多くの課題を生じさせ、特に文中に複数の複雑な三つ子が存在する場合である。 本稿では,これらの複雑な三つ子をより効果的に抽出するために,文から三つ子を抽出すると同時に,三つ子を文に変換するという2つのタスクを同時に達成する新しい生成型OpenIEモデル,すなわち 'emph{DualOIE} を提案する。 このような二重タスクは、与えられた文の構造を正しく認識するようモデルに促すので、文から全ての潜在的な三つ子を抽出するのに役立ちます。 具体的には、dualoieはトリプレットを2つのステップで抽出する。 1)まず,すべての潜在的述語列を抽出する。 2) 述語配列をプロンプトとして使用することで三重項の生成を誘導する。 2つのベンチマークとmeituanで構築したデータセットに関する実験では、dualoieが最先端のベースラインで最高のパフォーマンスを達成していることが示されています。 さらに、Meituanプラットフォーム上でのオンラインA/Bテストでは、DualOIEによって抽出された三重項がMeituanの検索システムで活用された際に、QV-CTRの0.93 %、UV-CTRの0.56 %の改善が得られた。

関連論文リスト

• DiVA-DocRE: A Discriminative and Voice-Aware Paradigm for Document-Level Relation Extraction [0.3208888890455612]
  識別・音声認識パラダイム DiVA を導入する。 私たちの革新はDocREを差別的なタスクに変換することです。 Re-DocREDおよびDocREDデータセットの実験では、DocRTEタスクの最先端の結果が示されている。
  論文  参考訳（メタデータ） (2024-09-07T18:47:38Z)
• Prompt Based Tri-Channel Graph Convolution Neural Network for Aspect Sentiment Triplet Extraction [63.0205418944714]
  Aspect Sentiment Triplet extract (ASTE)は、ある文の三つ子を抽出する新しいタスクである。 近年の研究では、単語関係を二次元テーブルにエンコードするテーブル充填パラダイムを用いてこの問題に対処する傾向にある。 本稿では, 関係表をグラフに変換し, より包括的な関係情報を探索する, Prompt-based Tri-Channel Graph Convolution Neural Network (PT-GCN) と呼ばれるASTEタスクの新しいモデルを提案する。
  論文  参考訳（メタデータ） (2023-12-18T12:46:09Z)
• Enriching Relation Extraction with OpenIE [70.52564277675056]
  関係抽出(RE)は情報抽出(IE)のサブ分野である 本稿では,オープン情報抽出(OpenIE)の最近の取り組みがREの課題の改善にどのように役立つかを検討する。 本稿では,2つの注釈付きコーパスであるKnowledgeNetとFewRelを用いた実験により,拡張モデルの精度向上を実証した。
  論文  参考訳（メタデータ） (2022-12-19T11:26:23Z)
• RelationPrompt: Leveraging Prompts to Generate Synthetic Data for Zero-Shot Relation Triplet Extraction [65.4337085607711]
  ゼロショット関係トリプルト抽出(ZeroRTE)のタスク設定について紹介する。 入力文が与えられた後、抽出された各三重項は、トレーニング段階で関係ラベルが見えないヘッドエンティティ、リレーションラベル、テールエンティティから構成される。 本稿では、言語モデルに構造化テキストを生成するよう促すことで、関係例を合成する。
  論文  参考訳（メタデータ） (2022-03-17T05:55:14Z)
• Semantic and Syntactic Enhanced Aspect Sentiment Triplet Extraction [18.331779474247323]
  Aspect Sentiment Triplet extractは、文章から三つ子を抽出することを目的としており、それぞれの三つ子には、エンティティ、関連する感情、そして感情の理由を説明する意見が含まれる。 本稿では,三重項要素間の統語的・意味的関係を完全に活用し,共同抽出を行うセマンティック・シンタクティック・エンハンスメント・アスペクト・センチメント三重項抽出モデル(S3E2)を提案する。
  論文  参考訳（メタデータ） (2021-06-07T03:16:51Z)
• Three Sentences Are All You Need: Local Path Enhanced Document Relation Extraction [54.95848026576076]
  本稿では,文書レベルREのエビデンス文を選択するための,恥ずかしいほど単純だが効果的な方法を提案する。 私たちはhttps://github.com/AndrewZhe/Three-Sentences-Are-All-You-Need.comでコードを公開しました。
  論文  参考訳（メタデータ） (2021-06-03T12:29:40Z)
• Position-Aware Tagging for Aspect Sentiment Triplet Extraction [37.76744150888183]
  Aspect Sentiment Triplet extract (ASTE) は、対象エンティティのトリプルを抽出するタスクであり、その感情の理由を説明する。 我々の観察では、三重項内の3つの要素は互いに非常に関連しており、このような三重項を抽出するジョイントモデルを構築する動機となっている。 本稿では,三つ子を共同抽出可能な新しい位置認識型タグ付け方式による最初のエンドツーエンドモデルを提案する。
  論文  参考訳（メタデータ） (2020-10-06T10:40:34Z)
• Contrastive Triple Extraction with Generative Transformer [72.21467482853232]
  生成変換器を用いた新しい3重抽出モデルを提案する。 具体的には,エンコーダデコーダをベースとした1つの共有トランスフォーマモジュールを提案する。 忠実な結果を得るために,新しい三重項コントラストトレーニングオブジェクトを提案する。
  論文  参考訳（メタデータ） (2020-09-14T05:29:24Z)

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。