論文の概要: Structured Semantic Information Helps Retrieve Better Examples for In-Context Learning in Few-Shot Relation Extraction

• arxiv url: http://arxiv.org/abs/2601.20803v1
• Date: Wed, 28 Jan 2026 17:48:58 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-01-29 15:46:07.086136
• Title: Structured Semantic Information Helps Retrieve Better Examples for In-Context Learning in Few-Shot Relation Extraction
• Title（参考訳）: Few-Shot関係抽出における文脈学習のより良い事例検索を支援する構造化意味情報
• Authors: Aunabil Chakma, Mihai Surdeanu, Eduardo Blanco,
• Abstract要約: 提案手法では,構文・意味的構造と与えられた一ショットの例との類似性に基づいて,新しい例が選択される。 これらの戦略を組み合わせると、結果のハイブリッドシステムはどちらの方法よりも利害関係の全体像を得る。
• 参考スコア（独自算出の注目度）: 24.515561762205618
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: This paper presents several strategies to automatically obtain additional examples for in-context learning of one-shot relation extraction. Specifically, we introduce a novel strategy for example selection, in which new examples are selected based on the similarity of their underlying syntactic-semantic structure to the provided one-shot example. We show that this method results in complementary word choices and sentence structures when compared to LLM-generated examples. When these strategies are combined, the resulting hybrid system achieves a more holistic picture of the relations of interest than either method alone. Our framework transfers well across datasets (FS-TACRED and FS-FewRel) and LLM families (Qwen and Gemma). Overall, our hybrid selection method consistently outperforms alternative strategies and achieves state-of-the-art performance on FS-TACRED and strong gains on a customized FewRel subset.
• Abstract（参考訳）: 本稿では,一発関係抽出の文脈内学習における追加例を自動的に得るためのいくつかの戦略を提案する。 具体的には,提案する1ショットの例に対して,その基礎となる構文・意味構造と類似性に基づいて,新しい例を選定する,新しい手法を提案する。 提案手法は, LLM生成例と比較して, 相補的な単語選択や文構造をもたらすことを示す。 これらの戦略を組み合わせると、結果のハイブリッドシステムはどちらの方法よりも利害関係の全体像を得る。 我々のフレームワークはデータセット (FS-TACRED と FS-FewRel) と LLM ファミリ (Qwen と Gemma) 間でよく転送される。 提案手法は,FS-TACRED上での最先端性能と,カスタマイズしたFewRelサブセット上での強みを両立させる。

関連論文リスト

• SCOI: Syntax-augmented Coverage-based In-context Example Selection for Machine Translation [13.87098305304058]
  そこで本研究では,機械翻訳(MT)における文脈内例の選択に統語的知識を導入する。 我々は、構文拡張されたコベレージベースのIn-context example selection (SCOI) という新しい戦略を提案する。 提案するSCOIは,すべての学習自由手法の中で,平均COMETスコアが最も高い。
  論文  参考訳（メタデータ） (2024-08-09T05:25:17Z)
• SEER : A Knapsack approach to Exemplar Selection for In-Context HybridQA [1.0323063834827413]
  本稿では,ハイブリッド推論(SEER)のためのサンプルの選択について述べる。 SEERの有効性はFinQAとTAT-QAで実証されている。
  論文  参考訳（メタデータ） (2023-10-10T14:50:20Z)
• RetICL: Sequential Retrieval of In-Context Examples with Reinforcement Learning [53.52699766206808]
  In-Context Learning (RetICL) のための検索式を提案する。 RetICLは数学用語の問題解決と科学的質問応答のタスクに基づいて評価し,一貫した性能や一致,学習可能なベースラインを示す。
  論文  参考訳（メタデータ） (2023-05-23T20:15:56Z)
• Finding Support Examples for In-Context Learning [73.90376920653507]
  本稿では,この課題を2段階に解決するためのfilter-thEN-Search法であるLENSを提案する。 まず、データセットをフィルタリングして、個別に情報的インコンテキストの例を得る。 そこで本研究では,反復的に改良し,選択したサンプル順列を評価可能な多様性誘導型サンプル探索を提案する。
  論文  参考訳（メタデータ） (2023-02-27T06:32:45Z)
• Weak Augmentation Guided Relational Self-Supervised Learning [80.0680103295137]
  本稿では、異なるインスタンス間の関係をモデル化して表現を学習する新しいリレーショナル自己教師型学習(ReSSL)フレームワークを提案する。 提案手法では,異なるインスタンス間でのペアワイズ類似度の分布を,テクトitrelationmetricとして高めている。 実験の結果,提案したReSSLは,ネットワークアーキテクチャの異なる最先端手法よりも大幅に優れていた。
  論文  参考訳（メタデータ） (2022-03-16T16:14:19Z)
• 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)

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。