論文の概要: Re-Representation in Sentential Relation Extraction with Sequence Routing Algorithm
- arxiv url: http://arxiv.org/abs/2508.21049v1
- Date: Thu, 28 Aug 2025 17:54:35 GMT
- ステータス: 翻訳完了
- システム内更新日: 2025-08-29 18:12:02.547572
- Title: Re-Representation in Sentential Relation Extraction with Sequence Routing Algorithm
- Title（参考訳）: シーケンスルーティングアルゴリズムを用いた文関係抽出における再表現
- Authors: Ramazan Ali Bahrami, Ramin Yahyapour,
- Abstract要約: 提案手法は,Tcred,Tacredrev,Retacred,Conll04といった一般的な意味的関係抽出データセットよりも優れていることを示す。
次に、前述したデータセットでパフォーマンスが良好である可能性について検討するが、他の類似の、より大規模なREデータセットであるWikidataではパフォーマンスが低かった。
- 参考スコア（独自算出の注目度）: 3.5364886788398753
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Sentential relation extraction (RE) is an important task in natural language processing (NLP). In this paper we propose to do sentential RE with dynamic routing in capsules. We first show that the proposed approach outperform state of the art on common sentential relation extraction datasets Tacred, Tacredrev, Retacred, and Conll04. We then investigate potential reasons for its good performance on the mentioned datasets, and yet low performance on another similar, yet larger sentential RE dataset, Wikidata. As such, we identify noise in Wikidata labels as one of the reasons that can hinder performance. Additionally, we show associativity of better performance with better re-representation, a term from neuroscience referred to change of representation in human brain to improve the match at comparison time. As example, in the given analogous terms King:Queen::Man:Woman, at comparison time, and as a result of re-representation, the similarity between related head terms (King,Man), and tail terms (Queen,Woman) increases. As such, our observation show that our proposed model can do re-representation better than the vanilla model compared with. To that end, beside noise in the labels of the distantly supervised RE datasets, we propose re-representation as a challenge in sentential RE.
- Abstract（参考訳）: 文関係抽出(RE)は自然言語処理(NLP)において重要な課題である。
本稿では,カプセル内の動的ルーティングを用いた逐次型REを提案する。
提案手法は,Tcred,Tacredrev,Retacred,Conll04といった一般的な意味的関係抽出データセットよりも優れていることを示す。
次に、前述したデータセットでパフォーマンスが良好である可能性について検討するが、他の類似の、より大規模なREデータセットであるWikidataではパフォーマンスが低かった。
したがって、ウィキデータラベルのノイズは、パフォーマンスを阻害する要因の1つである。
さらに,人間の脳における表現の変化を比較時に改善するために,より優れたパフォーマンスとより優れた表現の関連性を示す。
例えば、与えられた類似用語King:Queen::Man:Womanでは、比較時に、そして再表現の結果、関連する頭語(King,Man)と尾語(Queen,Woman)の類似性が増加する。
その結果,本モデルでは,バニラモデルよりも再現性が高いことがわかった。
そのために,遠隔監視型REデータセットのラベルにノイズが伴うため,感性REの課題として再表現を提案する。
関連論文リスト
- SiReRAG: Indexing Similar and Related Information for Multihop Reasoning [96.60045548116584]
SiReRAGは、類似情報と関連する情報の両方を明示的に考慮する新しいRAGインデックス方式である。
SiReRAGは、3つのマルチホップデータセットの最先端インデックス手法を一貫して上回る。
論文 参考訳（メタデータ） (2024-12-09T04:56:43Z) - Sequence Generation with Label Augmentation for Relation Extraction [17.38986046630852]
本稿では,関係抽出のためのラベル拡張自動モデルであるRelation extract with Label Augmentation (RELA)を提案する。
実験の結果,RELAは4つのREデータセットの従来の手法と比較して,競争力のある結果が得られることがわかった。
論文 参考訳（メタデータ） (2022-12-29T11:28:05Z) - Rescue Implicit and Long-tail Cases: Nearest Neighbor Relation
Extraction [36.85068584859058]
我々は、$k$近辺($k$NN-RE)を用いた単純な関係抽出の強化を導入する($k$NN-RE)。
k$NN-REでは、最寄りの検索を通じて、テスト時にトレーニング関係をコンサルティングすることができる。
実験の結果,提案した$k$NN-REは,様々な教師付きREデータセット上で最先端のパフォーマンスを実現することがわかった。
論文 参考訳（メタデータ） (2022-10-21T08:25:10Z) - 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) - Automatically Generating Counterfactuals for Relation Exaction [18.740447044960796]
関係抽出(RE)は自然言語処理の基本課題である。
現在のディープニューラルモデルは高い精度を達成しているが、スプリアス相関の影響を受けやすい。
我々は、エンティティの文脈的反事実を導出するための新しいアプローチを開発する。
論文 参考訳（メタデータ） (2022-02-22T04:46:10Z) - 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) - Relation of the Relations: A New Paradigm of the Relation Extraction
Problem [52.21210549224131]
我々は,関係抽出(RE)の新たなパラダイムを提案し,同じ文脈におけるすべての関係の予測を総合的に検討する。
我々は、手作りのルールを必要としないデータ駆動型アプローチを開発し、グラフニューラルネットワークと関係行列変換器を用いた関係関係(RoR)をそれ自体で学習する。
実験の結果、私たちのモデルはACE05データセットでは+1.12%、SemEval 2018 Task 7.2では2.55%で最先端のアプローチよりも優れています。
論文 参考訳（メタデータ） (2020-06-05T22:25:27Z) - 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) - Feature selection in machine learning: R\'enyi min-entropy vs Shannon
entropy [6.434361163743876]
セキュリティとプライバシの分野で最近採用されている条件付きR'enyi min-entropyの概念に基づくアルゴリズムを提案する。
しかし実際には、R'enyiベースのアルゴリズムは、他のアルゴリズムよりも優れている傾向にある。
論文 参考訳（メタデータ） (2020-01-27T09:50:54Z)
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。