Fugu-MT 論文翻訳(概要): AMR-RE: Abstract Meaning Representations for Retrieval-Based In-Context Learning in Relation Extraction

論文の概要: AMR-RE: Abstract Meaning Representations for Retrieval-Based In-Context Learning in Relation Extraction

arxiv url: http://arxiv.org/abs/2406.10432v2
Date: Tue, 24 Sep 2024 03:35:59 GMT
ステータス: 処理完了
システム内更新日: 2024-11-09 01:33:31.263135
Title: AMR-RE: Abstract Meaning Representations for Retrieval-Based In-Context Learning in Relation Extraction
Title（参考訳）: AMR-RE:関係抽出における検索型インコンテキスト学習のための抽象的意味表現
Authors: Peitao Han, Lis Kanashiro Pereira, Fei Cheng, Wan Jou She, Eiji Aramaki,
Abstract要約: 関係抽出のためのAMR強化検索に基づくICL法を提案する。本モデルでは,タスク入力とトレーニングサンプル間の意味的構造的類似性に基づいて,文脈内サンプルを検索する。
参考スコア（独自算出の注目度）: 9.12646853282321
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Existing in-context learning (ICL) methods for relation extraction (RE) often prioritize language similarity over structural similarity, which can lead to overlooking entity relationships. To address this, we propose an AMR-enhanced retrieval-based ICL method for RE. Our model retrieves in-context examples based on semantic structure similarity between task inputs and training samples. Evaluations on four standard English RE datasets show that our model outperforms baselines in the unsupervised setting across all datasets. In the supervised setting, it achieves state-of-the-art results on three datasets and competitive results on the fourth.
Abstract（参考訳）: 関係抽出(RE)のための既存の文脈内学習(ICL)手法は、しばしば構造的類似性よりも言語類似性を優先する。そこで我々は,REのためのAMR強化検索に基づくICL法を提案する。本モデルでは,タスク入力とトレーニングサンプル間の意味的構造的類似性に基づいて,文脈内サンプルを検索する。 4つの標準英語REデータセットの評価は、我々のモデルが全データセットの教師なし設定においてベースラインより優れていることを示している。教師付き設定では、3つのデータセットの最先端の結果と4番目のデータセットの競合結果が達成される。

関連論文リスト

Retrieval-Augmented Generation-based Relation Extraction [0.0]
Retrieved-Augmented Generation-based Relation extract (RAG4RE) を提案する。本研究は,Large Language Models (LLM) を用いたRAG4RE手法の有効性を評価する。我々のRAG4REアプローチが従来のREアプローチよりも優れていることを示す。
論文参考訳（メタデータ） (2024-04-20T14:42:43Z)
Learning to Extract Structured Entities Using Language Models [52.281701191329]
機械学習の最近の進歩は、情報抽出の分野に大きな影響を与えている。タスクをエンティティ中心にすることで、さまざまなメトリクスの使用を可能にします。我々は、Structured Entity extractを導入し、Adroximate Entity Set OverlaPメトリックを提案し、この分野にコントリビュートします。
論文参考訳（メタデータ） (2024-02-06T22:15:09Z)
Continual Contrastive Finetuning Improves Low-Resource Relation Extraction [34.76128090845668]
関係抽出は低リソースのシナリオやドメインでは特に困難である。近年の文献は自己教師型学習によって低リソースREに取り組みつつある。コントラスト学習の一貫した目的を用いたREモデルの事前学習と微調整を提案する。
論文参考訳（メタデータ） (2022-12-21T07:30:22Z)
ReSel: N-ary Relation Extraction from Scientific Text and Tables by Learning to Retrieve and Select [53.071352033539526]
学術論文からN-ary関係を抽出する問題について考察する。提案手法であるReSelは,このタスクを2段階のプロシージャに分解する。 3つの科学的情報抽出データセットに対する実験により、ReSelは最先端のベースラインを大きく上回っていることがわかった。
論文参考訳（メタデータ） (2022-10-26T02:28:02Z)
Towards Realistic Low-resource Relation Extraction: A Benchmark with Empirical Baseline Study [51.33182775762785]
本稿では,低リソース環境下での関係抽出システムを構築するための実証的研究について述べる。低リソース環境での性能を評価するための3つのスキームについて検討する。 (i) ラベル付きラベル付きデータを用いた異なるタイプのプロンプトベース手法、 (ii) 長期分布問題に対処する多様なバランシング手法、 (iii) ラベル付きインドメインデータを生成するためのデータ拡張技術と自己学習。
論文参考訳（メタデータ） (2022-10-19T15:46:37Z)
Summarization as Indirect Supervision for Relation Extraction [23.98136192661566]
本稿では,関係抽出(RE)を要約式に変換するSuREを提案する。我々は,要約タスクとREタスクの定式化を本質的に橋渡しする文・関係変換手法を開発した。 3つのデータセットの実験では、フルデータセットと低リソースの両方でSuREの有効性が示されている。
論文参考訳（メタデータ） (2022-05-19T20:25:29Z)
SAIS: Supervising and Augmenting Intermediate Steps for Document-Level Relation Extraction [51.27558374091491]
本稿では,関係抽出のための中間ステップ(SAIS)を監督し,拡張することにより,関連コンテキストやエンティティタイプをキャプチャするモデルを明示的に教えることを提案する。そこで本提案手法は,より効果的な管理を行うため,より優れた品質の関係を抽出するだけでなく,それに対応する証拠をより正確に抽出する。
論文参考訳（メタデータ） (2021-09-24T17:37:35Z)
D-REX: Dialogue Relation Extraction with Explanations [65.3862263565638]
この研究は、部分的にラベル付けされたデータのみを使用しながら関係が存在することを示す説明を抽出することに焦点を当てている。本稿では,政策誘導型半教師付きアルゴリズムD-REXを提案する。約90%の人は、強いBERTに基づく関節関係抽出と説明モデルよりもD-REXの説明を好んでいる。
論文参考訳（メタデータ） (2021-09-10T22:30:48Z)
Adjacency List Oriented Relational Fact Extraction via Adaptive Multi-task Learning [24.77542721790553]
本稿では,すべての事実抽出モデルをグラフ指向分析の観点から整理可能であることを示す。この分析枠組みに基づいて,効率的なモデルaDjacency lIst oRientational faCT(Direct)を提案する。
論文参考訳（メタデータ） (2021-06-03T02:57:08Z)
Named Entity Recognition and Relation Extraction using Enhanced Table Filling by Contextualized Representations [14.614028420899409]
提案手法は,複雑な手作り特徴やニューラルネットワークアーキテクチャを伴わずに,エンティティ参照と長距離依存関係の表現を計算する。我々はまた、歴史に基づく予測や検索戦略に頼ることなく、関係ラベルを一度に予測するためにテンソルドット積を適用する。その単純さにもかかわらず、実験の結果、提案手法はCoNLL04とACE05の英語データセット上で最先端の手法よりも優れていることが示された。
論文参考訳（メタデータ） (2020-10-15T04:58:23Z)
Learning from Context or Names? An Empirical Study on Neural Relation Extraction [112.06614505580501]
テキストにおける2つの主要な情報ソースの効果について検討する:テキストコンテキストとエンティティ参照(名前) 本稿では,関係抽出のための実体型コントラスト事前学習フレームワーク(RE)を提案する。我々のフレームワークは、異なるREシナリオにおけるニューラルモデルの有効性と堅牢性を改善することができる。
論文参考訳（メタデータ） (2020-10-05T11:21:59Z)

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。