Fugu-MT 論文翻訳(概要): Unsupervised Robust Cross-Lingual Entity Alignment via Joint Modeling of Entity and Relation Texts

論文の概要: Unsupervised Robust Cross-Lingual Entity Alignment via Joint Modeling of Entity and Relation Texts

arxiv url: http://arxiv.org/abs/2407.15588v1
Date: Mon, 22 Jul 2024 12:25:48 GMT
ステータス: 処理完了
システム内更新日: 2024-07-23 15:01:15.078033
Title: Unsupervised Robust Cross-Lingual Entity Alignment via Joint Modeling of Entity and Relation Texts
Title（参考訳）: エンティティとリレーショナルテキストの結合モデリングによる教師なしロバスト言語間エンティティアライメント
Authors: Soojin Yoon, Sungho Ko, Tongyoung Kim, SeongKu Kang, Jinyoung Yeo, Dongha Lee,
Abstract要約: 言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にする。既存の手法は、主に教師付きであり、ラベル付きエンティティペアを得る際の課題に直面している。 ERAlignは教師なしで堅牢な言語間EAフレームワークである。
参考スコア（独自算出の注目度）: 17.477542644785483
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Cross-lingual entity alignment (EA) enables the integration of multiple knowledge graphs (KGs) across different languages, providing users with seamless access to diverse and comprehensive knowledge.Existing methods, mostly supervised, face challenges in obtaining labeled entity pairs. To address this, recent studies have shifted towards a self-supervised and unsupervised frameworks. Despite their effectiveness, these approaches have limitations: (1) they mainly focus on entity features, neglecting the semantic information of relations, (2) they assume isomorphism between source and target graphs, leading to noise and reduced alignment accuracy, and (3) they are susceptible to noise in the textual features, especially when encountering inconsistent translations or Out-Of-Vocabulary (OOV) problems. In this paper, we propose ERAlign, an unsupervised and robust cross-lingual EA framework that jointly performs Entity-level and Relation-level Alignment using semantic textual features of relations and entities. Its refinement process iteratively enhances results by fusing entity-level and relation-level alignments based on neighbor triple matching. The additional verification process examines the entities' neighbor triples as the linearized text. This \textit{Align-and-Verify} pipeline that rigorously assesses alignment results, achieving near-perfect alignment even in the presence of noisy textual features of entities. Our extensive experiments demonstrate that robustness and general applicability of \proposed improved the accuracy and effectiveness of EA tasks, contributing significantly to knowledge-oriented applications.
Abstract（参考訳）: 言語間エンティティアライメント(EA)は、異なる言語間での複数の知識グラフ(KG)の統合を可能にし、多様な包括的知識へのシームレスなアクセスを提供する。これを解決するために、最近の研究は、自己監督的かつ教師なしのフレームワークへと移行した。それらの効果にもかかわらず、これらのアプローチは、主に実体的特徴に注目し、関係のセマンティックな情報を無視し、(2)ソースグラフとターゲットグラフの同型性を仮定し、ノイズとアライメントの精度を低下させ、(3)テキスト的特徴のノイズ、特に一貫性のない翻訳やOf-Vocabulary(OOV)問題に遭遇する際には、その影響を受けやすい、という制限がある。本稿では,ERAlignを提案する。ERAlignは,エンティティレベルとリレーショナルレベルのアライメントを,関係やエンティティのセマンティックテキストの特徴を用いて共同で実行する,教師なしかつ堅牢な言語間EAフレームワークである。その洗練プロセスは、隣り合う三重マッチングに基づいてエンティティレベルとリレーレベルアライメントを融合することにより、結果を反復的に強化する。追加の検証プロセスでは、エンティティの隣の三重項を線形化テキストとして検証する。この \textit{Align-and-Verify} パイプラインは、エンティティのノイズの多いテキスト機能がある場合でも、アライメント結果を厳格に評価し、ほぼ完璧なアライメントを達成する。我々の広範囲な実験により, EAタスクの精度と有効性は向上し, 知識指向のアプリケーションに大きく寄与した。

関連論文リスト

Localizing Factual Inconsistencies in Attributable Text Generation [91.981439746404]
本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。まず,人間のアノテーションに対するQASemConsistency法の有効性を示す。そこで我々は,局所的な事実の不整合を自動的に検出するいくつかの手法を実装した。
論文参考訳（メタデータ） (2024-10-09T22:53:48Z)
A Bi-consolidating Model for Joint Relational Triple Extraction [3.972061685570092]
リレーショナルトリプルを抽出する現在の手法は、エンティティ認識に依存することなく、生文の可能なエンティティペアに基づいて直接予測を行う。このタスクは、複数の関係三重項が文中に1つまたは2つの実体を共有するという深刻な意味的重なり合う問題に悩まされる。関係三重関係に関連する局所的・大域的意味的特徴を同時に強化することにより、この問題に対処するバイコンソリデーションモデルを提案する。
論文参考訳（メタデータ） (2024-04-05T04:04:23Z)
From Alignment to Entailment: A Unified Textual Entailment Framework for Entity Alignment [17.70562397382911]
既存のメソッドは通常、エンティティのトリプルを埋め込みとしてエンコードし、埋め込みの整列を学ぶ。我々は両トリプルを統一されたテキストシーケンスに変換し、EAタスクを双方向のテキストエンタテインメントタスクとしてモデル化する。提案手法は,エンティティ間の2種類の情報の統合相関パターンを捕捉し,元のエンティティ情報間のきめ細かい相互作用を明示的にモデル化する。
論文参考訳（メタデータ） (2023-05-19T08:06:50Z)
OTIEA:Ontology-enhanced Triple Intrinsic-Correlation for Cross-lingual Entity Alignment [12.054806502375575]
十分な外部リソースを持たない言語間およびドメイン間の知識アライメントは、基本的で決定的な課題である。本稿では、オントロジー対と三重認識による役割強化機構に基づく新しいユニバーサルEAフレームワーク(OTIEA)を提案する。実世界の3つのデータセットに対する実験結果から,本フレームワークはベースラインと比較して競争性能が向上することが示された。
論文参考訳（メタデータ） (2023-05-02T16:03:54Z)
HiURE: Hierarchical Exemplar Contrastive Learning for Unsupervised Relation Extraction [60.80849503639896]
非教師なし関係抽出は、関係範囲や分布に関する事前情報のない自然言語文からエンティティ間の関係を抽出することを目的としている。本稿では,階層間注目を用いた階層的特徴空間から階層的信号を導出する機能を持つ,HiUREという新しいコントラスト学習フレームワークを提案する。 2つの公開データセットの実験結果は、最先端モデルと比較した場合の教師なし関係抽出におけるHiUREの有効性とロバスト性を示す。
論文参考訳（メタデータ） (2022-05-04T17:56:48Z)
Improving Human-Object Interaction Detection via Phrase Learning and Label Composition [14.483347746239055]
ヒューマン・オブジェクト・インタラクション(HOI)検出は、高レベルな人間中心のシーン理解における基本的な課題である。本稿では,HOI 分岐と新しい句分岐を含む PhraseHOI を提案する。
論文参考訳（メタデータ） (2021-12-14T13:22:16Z)
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)
Learning Relation Alignment for Calibrated Cross-modal Retrieval [52.760541762871505]
言語的・視覚的関係のセマンティックな距離を計測し,関係の一貫性を定量化するための新しい指標ISD(Intra-modal Self-attention Distance)を提案する。 ISDを最適化し、モダル間アライメントを介してモダル内アライメントを相互に調整するための正規化訓練法である、モダル内アライメント(IAIS)について述べる。
論文参考訳（メタデータ） (2021-05-28T14:25:49Z)
Cross-lingual Entity Alignment with Adversarial Kernel Embedding and Adversarial Knowledge Translation [35.77482102674059]
言語間のエンティティアライメントは、しばしば特徴的不整合からシーケンス的コンテキスト無意識の課題に悩まされる。本稿では,言語間エンティティアライメント(DAEA)のための2つの対向学習フレームワークを提案する。
論文参考訳（メタデータ） (2021-04-16T00:57:28Z)
Relation Clustering in Narrative Knowledge Graphs [71.98234178455398]
原文内の関係文は(SBERTと)埋め込み、意味論的に類似した関係をまとめるためにクラスタ化される。予備的なテストでは、そのようなクラスタリングが類似した関係を検知し、半教師付きアプローチのための貴重な前処理を提供することが示されている。
論文参考訳（メタデータ） (2020-11-27T10:43:04Z)
Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
論文参考訳（メタデータ） (2020-10-13T11:51:17Z)

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。