Fugu-MT 論文翻訳(概要): JEL: A Novel Model Linking Knowledge Graph entities to News Mentions

論文の概要: JEL: A Novel Model Linking Knowledge Graph entities to News Mentions

arxiv url: http://arxiv.org/abs/2509.08086v1
Date: Tue, 09 Sep 2025 18:50:18 GMT
ステータス: 翻訳完了
システム内更新日: 2025-09-11 15:16:52.225715
Title: JEL: A Novel Model Linking Knowledge Graph entities to News Mentions
Title（参考訳）: JEL: 知識グラフエンティティをニュースメンションにリンクする新しいモデル
Authors: Michael Kishelev, Pranab Bhadani, Wanying Ding, Vinay Chaudhri,
Abstract要約: 本稿では,最新の最先端モデルに匹敵する,エンド・ツー・エンドのマルチニューラルネットワークに基づくエンティティ・リンク・モデルを提案する。我々は、JELが構造化されていないニューステキストを知識グラフでブリッジする方法を示し、ユーザが知識グラフで大量のキュレートされたデータにアクセスできるようにする。
参考スコア（独自算出の注目度）: 1.283285810929198
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: We present JEL, a novel computationally efficient end-to-end multi-neural network based entity linking model, which beats current state-of-art model. Knowledge Graphs have emerged as a compelling abstraction for capturing critical relationships among the entities of interest and integrating data from multiple heterogeneous sources. A core problem in leveraging a knowledge graph is linking its entities to the mentions (e.g., people, company names) that are encountered in textual sources (e.g., news, blogs., etc) correctly, since there are thousands of entities to consider for each mention. This task of linking mentions and entities is referred as Entity Linking (EL). It is a fundamental task in natural language processing and is beneficial in various uses cases, such as building a New Analytics platform. News Analytics, in JPMorgan, is an essential task that benefits multiple groups across the firm. According to a survey conducted by the Innovation Digital team 1 , around 25 teams across the firm are actively looking for news analytics solutions, and more than \$2 million is being spent annually on external vendor costs. Entity linking is critical for bridging unstructured news text with knowledge graphs, enabling users access to vast amounts of curated data in a knowledge graph and dramatically facilitating their daily work.
Abstract（参考訳）: 本稿では,新しい計算効率のよいマルチニューラルネットワークに基づくエンティティリンクモデルであるJELについて述べる。知識グラフは、興味のあるエンティティ間の重要な関係を捉え、複数の異種ソースからのデータを統合するための魅力的な抽象化として登場した。知識グラフを利用する際の中核的な問題は、エンティティをテキストソース(例えば、ニュース、ブログなど)で正しく遭遇する参照(例えば、人、企業名)にリンクすることである。この参照とエンティティをリンクするタスクは、Entity Linking (EL)と呼ばれる。自然言語処理の基本的なタスクであり、New Analyticsプラットフォームの構築など、さまざまなユースケースで有用である。 JPモルガンのNews Analyticsは、複数のグループに利益をもたらす重要なタスクだ。 Innovation Digitalチーム1が実施した調査によると、同社の約25チームがニュース分析ソリューションを積極的に探しており、年間200万ドル以上が外部ベンダーのコストに費やされている。エンティティリンクは、構造化されていないニューステキストを知識グラフでブリッジし、ユーザは知識グラフで大量のキュレートされたデータにアクセスでき、日々の作業を劇的に促進できる。

関連論文リスト

JEL: Applying End-to-End Neural Entity Linking in JPMorgan Chase [3.4311229392863467]
本稿では、最小限のコンテキスト情報とマージン損失を利用してエンティティ埋め込みを生成する、新しいエンドツーエンドニューラルネットワークリンクモデル(JEL)を提案する。我々は、JELが金融ニュースの企業名と知識グラフのエンティティをリンクすることで、最先端のパフォーマンスを実現していることを示す。
論文参考訳（メタデータ） (2024-11-05T00:46:25Z)
Web-Scale Visual Entity Recognition: An LLM-Driven Data Approach [56.55633052479446]
Webスケールのビジュアルエンティティ認識は、クリーンで大規模なトレーニングデータがないため、重大な課題を呈している。本稿では,ラベル検証,メタデータ生成,合理性説明に多モーダル大言語モデル(LLM)を活用することによって,そのようなデータセットをキュレートする新しい手法を提案する。実験により、この自動キュレートされたデータに基づいてトレーニングされたモデルは、Webスケールの視覚的エンティティ認識タスクで最先端のパフォーマンスを達成することが示された。
論文参考訳（メタデータ） (2024-10-31T06:55:24Z)
Wiki Entity Summarization Benchmark [9.25319552487389]
エンティティの要約は知識グラフにおけるエンティティの簡潔な要約を計算することを目的としている。既存のデータセットとベンチマークは、しばしば数百のエンティティに制限される。我々は、エンティティ、要約、およびそれらの接続からなる包括的なベンチマークであるWikESを提案する。
論文参考訳（メタデータ） (2024-06-12T17:22:00Z)
Deep Transfer Learning for Multi-source Entity Linkage via Domain Adaptation [63.24594955429465]
マルチソースエンティティリンクは、データのクリーニングやユーザ縫合といった、高インパクトなアプリケーションにおいて重要である。 AdaMELは、多ソースエンティティリンクを実行するための一般的なハイレベルな知識を学ぶディープトランスファー学習フレームワークである。本フレームワークは,教師付き学習に基づく平均的手法よりも8.21%向上した最先端の学習結果を実現する。
論文参考訳（メタデータ） (2021-10-27T15:20:41Z)
DESCGEN: A Distantly Supervised Datasetfor Generating Abstractive Entity Descriptions [41.80938919728834]
複数のドキュメントにまたがる言及を考えると、目的はエンティティの要約記述を生成することである。 DESCGENはWikipediaとFandomの37Kのエンティティ記述で構成されており、それぞれに平均9つの証拠文書が組み合わされている。結果として得られる要約は、既存のデータセットよりも抽象的で、新しいエンティティや新興エンティティを記述する上での課題に対して、より優れたプロキシを提供する。
論文参考訳（メタデータ） (2021-06-09T20:10:48Z)
Multimodal Entity Linking for Tweets [6.439761523935613]
マルチモーダル・エンティティ・リンク(MEL)は、知識ベース(KB)のエンティティへの曖昧な言及をマッピングするためにテキストと視覚情報を使用する新興の研究分野である。我々は,MEL のための完全注釈付き Twitter データセットを構築する方法を提案し,エンティティは Twitter KB で定義されている。次に,テキストと視覚の文脈から言及と実体の両方の表現を共同学習するモデルを提案する。
論文参考訳（メタデータ） (2021-04-07T16:40:23Z)
Context-Enhanced Entity and Relation Embedding for Knowledge Graph Completion [2.580765958706854]
マルチホップにおけるエンティティコンテキストと関係コンテキストの効率的な集約を行うモデルAggrEを提案する。実験の結果、AggrEは既存のモデルと競合していることがわかった。
論文参考訳（メタデータ） (2020-12-13T09:20:42Z)
Extracting Summary Knowledge Graphs from Long Documents [48.92130466606231]
本稿では,長い文書から要約された知識グラフを予測する新しいテキスト・ツー・グラフタスクを提案する。自動アノテーションと人文アノテーションを用いた200k文書/グラフペアのデータセットを開発する。
論文参考訳（メタデータ） (2020-09-19T04:37:33Z)
KILT: a Benchmark for Knowledge Intensive Language Tasks [102.33046195554886]
知識集約型言語タスク(KILT)のベンチマークを示す。 KILTのすべてのタスクはウィキペディアのスナップショットと同じだ。共有密度ベクトル指数とSeq2seqモデルとの結合が強いベースラインであることが分かる。
論文参考訳（メタデータ） (2020-09-04T15:32:19Z)
HittER: Hierarchical Transformers for Knowledge Graph Embeddings [85.93509934018499]
複雑な知識グラフにおける実体と関係の表現を学習するためにHittを提案する。実験結果から,Hittは複数リンク予測において最先端の新たな結果が得られることがわかった。さらに,HittをBERTに統合する簡単なアプローチを提案し,その効果を2つのFreebaseファクトイド対応データセットで示す。
論文参考訳（メタデータ） (2020-08-28T18:58:15Z)
ENT-DESC: Entity Description Generation by Exploring Knowledge Graph [53.03778194567752]
実際には、出力記述が最も重要な知識のみをカバーするため、入力知識は十分以上である可能性がある。我々は、KG-to-textにおけるこのような実践的なシナリオの研究を容易にするために、大規模で挑戦的なデータセットを導入する。本稿では,元のグラフ情報をより包括的に表現できるマルチグラフ構造を提案する。
論文参考訳（メタデータ） (2020-04-30T14:16:19Z)

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。