論文の概要: Multi-Relation Extraction in Entity Pairs using Global Context
- arxiv url: http://arxiv.org/abs/2507.22926v1
- Date: Wed, 23 Jul 2025 13:24:32 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-01 17:19:08.216239
- Title: Multi-Relation Extraction in Entity Pairs using Global Context
- Title（参考訳）: グローバルコンテキストを用いたエンティティペアのマルチリレーション抽出
- Authors: Nilesh, Atul Gupta, Avinash C Panday,
- Abstract要約: 本稿では,文書全体を通して言及されたエンティティの位置をキャプチャする新しい入力埋め込み手法を提案する。
提案手法の性能を3つのベンチマーク関係抽出データセットで検証した。
理論的には、文書レベルの関係抽出における大域的文脈モデリングと多文推論を推進している。
- 参考スコア（独自算出の注目度）: 0.8437187555622164
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In document-level relation extraction, entities may appear multiple times in a document, and their relationships can shift from one context to another. Accurate prediction of the relationship between two entities across an entire document requires building a global context spanning all relevant sentences. Previous approaches have focused only on the sentences where entities are mentioned, which fails to capture the complete document context necessary for accurate relation extraction. Therefore, this paper introduces a novel input embedding approach to capture the positions of mentioned entities throughout the document rather than focusing solely on the span where they appear. The proposed input encoding approach leverages global relationships and multi-sentence reasoning by representing entities as standalone segments, independent of their positions within the document. The performance of the proposed method has been tested on three benchmark relation extraction datasets, namely DocRED, Re-DocRED, and REBEL. The experimental results demonstrated that the proposed method accurately predicts relationships between entities in a document-level setting. The proposed research also has theoretical and practical implications. Theoretically, it advances global context modeling and multi-sentence reasoning in document-level relation extraction. Practically, it enhances relationship detection, enabling improved performance in real-world NLP applications requiring comprehensive entity-level insights and interpretability.
- Abstract（参考訳）: 文書レベルの関係抽出では、エンティティは文書に複数回現れ、それらの関係は、あるコンテキストから別のコンテキストへ移行することができる。
文書全体にわたる2つのエンティティ間の関係の正確な予測には、関連するすべての文にまたがるグローバルなコンテキストを構築する必要がある。
従来のアプローチでは、エンティティが言及される文のみに焦点が当てられていたが、正確な関係抽出に必要なドキュメントコンテキストの完全な取得には失敗している。
そこで本論文では,文献全体を通して言及されたエンティティの位置を抽出する,新たな入力埋め込み手法を提案する。
提案手法は,文書内の位置に依存しない独立セグメントとしてエンティティを表現することによって,グローバルな関係と多文推論を活用する。
提案手法の性能は,DocRED,Re-DocRED,REBELの3つのベンチマーク関係抽出データセットで検証されている。
実験により,提案手法は文書レベル設定におけるエンティティ間の関係を正確に予測することを示した。
提案された研究は、理論的および実践的な意味も持つ。
理論的には、文書レベルの関係抽出における大域的文脈モデリングと多文推論を推進している。
現実的には、関係検出を強化し、包括的なエンティティレベルの洞察と解釈可能性を必要とする実世界のNLPアプリケーションの性能を向上させる。
関連論文リスト
- Unified Multimodal Interleaved Document Representation for Retrieval [57.65409208879344]
複数のモダリティでインターリーブされた文書を階層的に埋め込む手法を提案する。
セグメント化されたパスの表現を1つのドキュメント表現にマージする。
我々は,本手法が関連するベースラインを大幅に上回ることを示す。
論文 参考訳（メタデータ） (2024-10-03T17:49:09Z) - Anaphor Assisted Document-Level Relation Extraction [42.57958231709678]
文書レベルの関係抽出(DocRE)は、文書内の複数の文に分散されたエンティティ間の関係を識別する。
既存の方法は、エンティティの内部構造とエンティティ間の外部相互作用をモデル化する異種文書グラフの構築に焦点を当てている。
DocREタスクのためのAnaphor-Assisted (AA)フレームワークを提案する。
論文 参考訳（メタデータ） (2023-10-28T06:11:18Z) - A Comprehensive Survey of Document-level Relation Extraction (2016-2023) [3.0204640945657326]
文書レベルの関係抽出(DocRE)は自然言語処理(NLP)研究の活発な領域である
本稿では,この分野における最近の進歩を包括的に概観し,文レベルの関係抽出と比較して,その適用方法の相違点を明らかにすることを目的とする。
論文 参考訳（メタデータ） (2023-09-28T12:43:32Z) - PropSegmEnt: A Large-Scale Corpus for Proposition-Level Segmentation and
Entailment Recognition [63.51569687229681]
文中の各命題の文的含意関係を個別に認識する必要性について論じる。
提案するPropSegmEntは45K以上の提案のコーパスであり, 専門家によるアノテートを行う。
我々のデータセット構造は、(1)文書内の文章を命題の集合に分割し、(2)異なるが、トポジカルに整合した文書に対して、各命題の含意関係を分類するタスクに類似している。
論文 参考訳（メタデータ） (2022-12-21T04:03:33Z) - Relational Proxies: Emergent Relationships as Fine-Grained
Discriminators [52.17542855760418]
本稿では,オブジェクトのグローバル部分とローカル部分の間の情報を利用してラベルを符号化する手法を提案する。
我々は、理論的な結果に基づいてプロキシを設計し、7つの挑戦的なきめ細かいベンチマークデータセットに基づいて評価する。
また、この理論を実験的に検証し、複数のベンチマークで一貫した結果を得る。
論文 参考訳（メタデータ） (2022-10-05T11:08:04Z) - Document-Level Relation Extraction with Sentences Importance Estimation
and Focusing [52.069206266557266]
文書レベルの関係抽出(DocRE)は、複数の文の文書から2つのエンティティ間の関係を決定することを目的としている。
我々はDocREのための文重要度スコアと文集中損失を設計するSIEF(Sentence Estimation and Focusing)フレームワークを提案する。
2つのドメインの実験結果から、SIEFは全体的なパフォーマンスを改善するだけでなく、DocREモデルをより堅牢にします。
論文 参考訳（メタデータ） (2022-04-27T03:20:07Z) - 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) - 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) - Document-level Relation Extraction as Semantic Segmentation [38.614931876015625]
文書レベルの関係抽出は、文書から複数のエンティティペア間の関係を抽出することを目的としている。
本稿では,局所的およびグローバルな情報を取得するために,エンティティレベルの関係行列を予測することで,この問題に対処する。
文書レベルの関係抽出のための文書U字型ネットワークを提案する。
論文 参考訳（メタデータ） (2021-06-07T13:44:44Z) - Global-to-Local Neural Networks for Document-Level Relation Extraction [11.900280120655898]
関係抽出(RE)は、テキスト内の名前付きエンティティ間の意味的関係を特定することを目的としている。
近年、文書のレベルに引き上げられるのを目撃しており、エンティティとの複雑な推論とドキュメント全体への言及が必要である。
本稿では,文書情報を大域的・局所的表現と文脈関係表現の両面から符号化することで,文書レベルのREに新たなモデルを提案する。
論文 参考訳（メタデータ） (2020-09-22T07:30:19Z) - Towards Making the Most of Context in Neural Machine Translation [112.9845226123306]
我々は、これまでの研究がグローバルな文脈をはっきりと利用しなかったと論じている。
本研究では,各文の局所的文脈を意図的にモデル化する文書レベルNMTフレームワークを提案する。
論文 参考訳（メタデータ） (2020-02-19T03:30:00Z)
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。