論文の概要: A Two Dimensional Feature Engineering Method for Relation Extraction

• arxiv url: http://arxiv.org/abs/2404.04959v1
• Date: Sun, 7 Apr 2024 13:37:30 GMT
• ステータス: 処理完了
• システム内更新日: 2024-04-09 18:22:15.430165
• Title: A Two Dimensional Feature Engineering Method for Relation Extraction
• Title（参考訳）: 関係抽出のための2次元特徴工学手法
• Authors: Hao Wang, Yanping Chen, Weizhe Yang, Yongbin Qin, Ruizhang Huang,
• Abstract要約: 関係抽出のための2次元文表現における2次元特徴工学手法を提案する。 提案手法は,3つの公開データセット(ACE05中国語,ACE05英語,SanWen)で評価する。
• 参考スコア（独自算出の注目度）: 6.819948667166609
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Transforming a sentence into a two-dimensional (2D) representation (e.g., the table filling) has the ability to unfold a semantic plane, where an element of the plane is a word-pair representation of a sentence which may denote a possible relation representation composed of two named entities. The 2D representation is effective in resolving overlapped relation instances. However, in related works, the representation is directly transformed from a raw input. It is weak to utilize prior knowledge, which is important to support the relation extraction task. In this paper, we propose a two-dimensional feature engineering method in the 2D sentence representation for relation extraction. Our proposed method is evaluated on three public datasets (ACE05 Chinese, ACE05 English, and SanWen) and achieves the state-of-the-art performance. The results indicate that two-dimensional feature engineering can take advantage of a two-dimensional sentence representation and make full use of prior knowledge in traditional feature engineering. Our code is publicly available at https://github.com/Wang-ck123/A-Two-Dimensional-Feature-Engineering-Method-for-Entity-Relation-Extra ction
• Abstract（参考訳）: 文を2次元(2D)表現に変換する(例:テーブルフィリング)と意味平面を展開させる能力があり、平面の要素が2つの名前のエンティティからなる可能な関係表現を表す文のワードペア表現である。 2D表現は重なり合った関係インスタンスの解決に有効である。 しかし、関連する作品では、表現は生の入力から直接変換される。 先行知識を活用することは弱く、関係抽出作業を支援することが重要である。 本稿では,関係抽出のための2次元文表現における2次元特徴工学手法を提案する。 提案手法は,3つの公開データセット(ACE05中国語,ACE05英語,SanWen)で評価し,最先端の性能を実現する。 その結果,2次元特徴工学は2次元文表現を生かし,従来の特徴工学における先行知識をフル活用できることが示唆された。 私たちのコードはhttps://github.com/Wang-ck123/A-Two-dimensional-Feature-Engineering-Method-for-Entity-Relation-Extra ctionで公開されています。

関連論文リスト

• PosFormer: Recognizing Complex Handwritten Mathematical Expression with Position Forest Transformer [51.260384040953326]
  手書き数学的表現認識(HMER)は、人間と機械の相互作用シナリオに広く応用されている。 本稿では,HMERのための位置フォレスト変換器(PosFormer)を提案する。 PosFormerは、最先端のメソッドである2.03%/1.22%/2、1.83%、および4.62%を一貫して上回っている。
  論文  参考訳（メタデータ） (2024-07-10T15:42:58Z)
• GDA: Generative Data Augmentation Techniques for Relation Extraction Tasks [81.51314139202152]
  本稿では,意味的一貫性と構文構造を両立させるために2つの相補的モジュールを用いるGDAという,関係テキスト専用の拡張手法を提案する。 低リソース環境下での3つのデータセットによる実験結果から,GDAはエム2.0%のF1改善をもたらすことが示された。
  論文  参考訳（メタデータ） (2023-05-26T06:21:01Z)
• BERM: Training the Balanced and Extractable Representation for Matching to Improve Generalization Ability of Dense Retrieval [54.66399120084227]
  本稿では,BERMと呼ばれるマッチング信号の取得により,高密度検索の一般化を改善する手法を提案する。 センス検索は、ドメイン内のラベル付きデータセットでトレーニングされた場合、第1段階の検索プロセスにおいて有望であることが示されている。
  論文  参考訳（メタデータ） (2023-05-18T15:43:09Z)
• 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)
• AIFB-WebScience at SemEval-2022 Task 12: Relation Extraction First -- Using Relation Extraction to Identify Entities [0.0]
  本稿では,変換器に基づく言語モデルに基づくエンドツーエンドのジョイントエンティティと関係抽出手法を提案する。 実体抽出と関係抽出を連続的に行う既存手法とは対照的に,本システムは関係抽出からの情報を実体抽出に組み込む。
  論文  参考訳（メタデータ） (2022-03-10T12:19:44Z)
• Transformer-Based Approach for Joint Handwriting and Named Entity Recognition in Historical documents [1.7491858164568674]
  本研究は,手書き文書における名前付きエンティティ認識にトランスフォーマネットワークを採用した最初のアプローチを示す。 我々は,Esposalles データベースを用いた ICDAR 2017 Information extract コンペティションにおいて,新しい最先端性能を実現する。
  論文  参考訳（メタデータ） (2021-12-08T09:26:21Z)
• Context-aware Entity Typing in Knowledge Graphs [12.181416235996302]
  知識グラフエンティティタイピングは、知識グラフにおけるエンティティの欠落したタイプを推測することを目的としている。 本稿では,エンティティのコンテキスト情報を利用した新しい手法を提案する。 実世界の2つのKG実験により,本手法の有効性が示された。
  論文  参考訳（メタデータ） (2021-09-16T13:59:27Z)
• Representation Matters: Improving Perception and Exploration for Robotics [16.864646988990547]
  我々は,3つのロボットタスクの文脈において,多くの共通学習表現と手作業表現を体系的に評価した。 各表現の値は、次元性、可観測性、ゆがみの3つの性質によって評価される。
  論文  参考訳（メタデータ） (2020-11-03T15:00:36Z)
• RatE: Relation-Adaptive Translating Embedding for Knowledge Graph Completion [51.64061146389754]
  複素空間における新たな重み付き積の上に構築された関係適応変換関数を提案する。 次に、関係適応型翻訳埋め込み(RatE)アプローチを示し、各グラフを3倍にスコアする。
  論文  参考訳（メタデータ） (2020-10-10T01:30:30Z)
• Probing Linguistic Features of Sentence-Level Representations in Neural Relation Extraction [80.38130122127882]
  ニューラルリレーション抽出(RE)に関連する言語特性を対象とした14の探索タスクを導入する。 私たちは、40以上の異なるエンコーダアーキテクチャと2つのデータセットでトレーニングされた言語的特徴の組み合わせによって学習された表現を研究するためにそれらを使用します。 アーキテクチャによって引き起こされるバイアスと言語的特徴の含意は、探索タスクのパフォーマンスにおいて明らかに表現されている。
  論文  参考訳（メタデータ） (2020-04-17T09:17:40Z)

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。