論文の概要: Reward-based Input Construction for Cross-document Relation Extraction

• arxiv url: http://arxiv.org/abs/2405.20649v1
• Date: Fri, 31 May 2024 07:30:34 GMT
• ステータス: 処理完了
• システム内更新日: 2024-06-03 15:26:33.610840
• Title: Reward-based Input Construction for Cross-document Relation Extraction
• Title（参考訳）: 文書間関係抽出のための逆ベース入力構成法
• Authors: Byeonghu Na, Suhyeon Jo, Yeongmin Kim, Il-Chul Moon,
• Abstract要約: クロスドキュメント関係抽出(RE)は自然言語処理の基本的な課題である。 本稿では,Reward-based Input Construction (REIC)を提案する。 REICはリレーショナルエビデンスに基づいて文を抽出し、REモジュールが効率的に関係を推測することを可能にする。
• 参考スコア（独自算出の注目度）: 11.52832308525974
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Relation extraction (RE) is a fundamental task in natural language processing, aiming to identify relations between target entities in text. While many RE methods are designed for a single sentence or document, cross-document RE has emerged to address relations across multiple long documents. Given the nature of long documents in cross-document RE, extracting document embeddings is challenging due to the length constraints of pre-trained language models. Therefore, we propose REward-based Input Construction (REIC), the first learning-based sentence selector for cross-document RE. REIC extracts sentences based on relational evidence, enabling the RE module to effectively infer relations. Since supervision of evidence sentences is generally unavailable, we train REIC using reinforcement learning with RE prediction scores as rewards. Experimental results demonstrate the superiority of our method over heuristic methods for different RE structures and backbones in cross-document RE. Our code is publicly available at https://github.com/aailabkaist/REIC.
• Abstract（参考訳）: 関係抽出(RE)は自然言語処理の基本課題であり、テキスト中の対象エンティティ間の関係を識別することを目的としている。 多くのREメソッドは単一の文やドキュメント用に設計されているが、クロスドキュメントREは複数の長いドキュメント間の関係に対処するために現れている。 クロスドキュメントREにおける長い文書の性質を考えると、事前訓練された言語モデルの長さ制約のため、文書埋め込みの抽出は困難である。 そこで我々は,Reward-based Input Construction (REIC)を提案する。 REICはリレーショナルエビデンスに基づいて文を抽出し、REモジュールが効率的に関係を推測することを可能にする。 証拠文の監督は一般的に不可能であるため,RE予測スコアを報酬として強化学習を用いてREICを訓練する。 クロスドキュメントREの異なるRE構造と背骨に対するヒューリスティック手法よりも,本手法が優れていることを示す実験結果が得られた。 私たちのコードはhttps://github.com/aailabkaist/REICで公開されています。

関連論文リスト

• AutoRE: Document-Level Relation Extraction with Large Language Models [27.426703757501507]
  我々は、RHF(Relation-Head-Facts)という新しいRE抽出パラダイムを採用した、エンド・ツー・エンドのDocREモデルであるAutoREを紹介する。 既存のアプローチとは異なり、AutoREは既知の関係オプションの仮定に依存しておらず、現実のシナリオをより反映している。 RE-DocREDデータセットの実験では、AutoREの最高のパフォーマンスを示し、最先端の結果が得られました。
  論文  参考訳（メタデータ） (2024-03-21T23:48:21Z)
• How Fragile is Relation Extraction under Entity Replacements? [70.34001923252711]
  関係抽出(RE)は、テキストコンテキストからエンティティ名間の関係を抽出することを目的としている。 既存の研究によると、REはエンティティ名パターンをモデル化し、テキストコンテキストを無視しながらRE予測を行う。 これは、REモデルはエンティティの置換に対して堅牢か?」という疑問を提起する動機になります。
  論文  参考訳（メタデータ） (2023-05-22T23:53:32Z)
• 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)
• Entity-centered Cross-document Relation Extraction [34.38369224008656]
  関係抽出(RE)は情報抽出の基本的な課題であり,多くの研究が注目されている。 従来の研究は文や文書内の関係の抽出に重点を置いていたが、現在研究者はクロスドキュメントREを探求している。 本稿では,これらの不足に対処し,クロスドキュメントREの最先端を推し進めることを目的としている。
  論文  参考訳（メタデータ） (2022-10-29T09:27:15Z)
• An Overview of Distant Supervision for Relation Extraction with a Focus on Denoising and Pre-training Methods [0.0]
  関係抽出は自然言語処理の基本課題である。 RE法の歴史は、パターンベースRE、統計ベースRE、ニューラルベースRE、大規模言語モデルベースREの4つのフェーズに大別できる。
  論文  参考訳（メタデータ） (2022-07-17T21:02:04Z)
• Should We Rely on Entity Mentions for Relation Extraction? Debiasing Relation Extraction with Counterfactual Analysis [60.83756368501083]
  文レベルの関係抽出のためのCORE(Counterfactual Analysis based Relation extract)デバイアス法を提案する。 我々のCORE法は,トレーニングプロセスを変更することなく,推論中に既存のREシステムを劣化させるモデルに依存しない。
  論文  参考訳（メタデータ） (2022-05-08T05:13:54Z)
• GERE: Generative Evidence Retrieval for Fact Verification [57.78768817972026]
  本稿では,ジェネレーション方式で証拠を検索する最初のシステムであるGEREを提案する。 FEVERデータセットの実験結果は、GEREが最先端のベースラインよりも大幅に改善されていることを示している。
  論文  参考訳（メタデータ） (2022-04-12T03:49:35Z)
• Eider: Evidence-enhanced Document-level Relation Extraction [56.71004595444816]
  文書レベルの関係抽出(DocRE)は、文書内のエンティティペア間の意味関係を抽出することを目的としている。 本稿では,共同関係と証拠抽出,エビデンス中心関係抽出(RE),抽出結果の融合からなる3段階のエビデンス強化DocREフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-06-16T09:43:16Z)
• 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)

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。