論文の概要: Ontology-Driven Structural Regularization for Document-Level Relation Extraction
- arxiv url: http://arxiv.org/abs/2608.20856v1
- Date: Fri, 21 Aug 2026 08:22:42 GMT
- ステータス: 翻訳完了
- システム内更新日: 2026-08-24 14:49:32.475089
- Title: Ontology-Driven Structural Regularization for Document-Level Relation Extraction
- Title（参考訳）: 文書レベル関係抽出のためのオントロジー駆動型構造規則化
- Abstract要約: 我々は,重畳関係における構造的不整合に,重要で見落とされがちなノイズ源が存在することを示す。
本稿では,DocREデータセットの構造的一貫性を定量化し,強制するオントロジー駆動フレームワークを提案する。
- 参考スコア（独自算出の注目度）: 3.370733427756227
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Document-Level Relation Extraction (DocRE) relies heavily on costly manually annotated datasets, while large distant supervision resources such as DocRED distant remain underexploited due to noise. We show that a critical yet overlooked source of noise lies in structural inconsistencies within relational triples, including violations of ontology constraints and logical contradictions. We introduce an ontology-driven framework to quantify and enforce structural consistency in DocRE datasets. Our analysis reveals substantial structural noise in DocRED distant and demonstrates that such inconsistencies propagate to model predictions. Enforcing structural well-formedness during training significantly reduces logical contradictions and consistently improves generalization performance. These findings establish structural consistency as a missing axis of supervision in DocRE and highlight structural regularization as an effective strategy for leveraging distant data at scale.
- Abstract（参考訳）: Document-Level Relation extract (DocRE) は高価な手作業による注釈付きデータセットに大きく依存しているが、DocRED のような遠距離の監視リソースはノイズのために未発見のままである。
重畳関係における構造的矛盾には、オントロジー制約の違反や論理的矛盾などが含まれる。
本稿では,DocREデータセットの構造的一貫性を定量化し,強制するオントロジー駆動フレームワークを提案する。
本分析により,DocREDの遠方における構造ノイズが顕著に明らかとなり,モデル予測に矛盾が生じていることが示唆された。
トレーニング中の構造的整合性の強化は論理的矛盾を著しく低減し、一貫した一般化性能を向上させる。
これらの知見は,DocREにおける監視の欠如軸として構造整合性を確立し,大規模データを活用するための効果的な戦略として構造整合性を強調した。
関連論文リスト
- Breaking Structural Isolation: Scalable Graph Clustering via Community-Aware Sampling and Structural Entropy [57.058369251551795]
教師なしグラフクラスタリングは、大規模ネットワークの基盤となるセマンティックパターンを明らかにするための基本的な手法である。
本研究では,制約付き構造エントロピーを用いたコミュニティ認識サンプリングを連携させることにより,構造整合性を維持するフレームワークであるSCISEを提案する。
SCISEは最先端のアルゴリズムを著しく上回り、アブレーション研究とロバストネス分析により、実世界の大規模グラフの有効性と信頼性をさらに検証した。
論文 参考訳（メタデータ） (2026-07-06T07:55:53Z) - ReasoningLens: Hierarchical Visualization and Diagnostic Auditing for Large Reasoning Models [73.59878306788815]
ReasoningLensは、複雑な推論チェーンの階層的な可視化と診断監査のために設計されたオープンソースのフレームワークである。
ReasoningLensは、(1)高レベルの戦略と低レベルの実行を分離する対話的階層にトレースを構造化し、(2)エージェント監査を自動エラー検出とツール拡張検証に活用する。
論文 参考訳（メタデータ） (2026-06-22T14:28:35Z) - TabCausal: Pretraining Across Causal Environments for Tabular Causal Discovery [47.81267771630766]
因果発見基盤モデル(CDFM)は、データセットを単一前方パスの因果グラフに直接マッピングすることで、この問題を改善しようとしている。
本研究では,多彩なグラフ事前学習を訓練したデータ駆動CDFMであるTabCausalを提案する。
論文 参考訳（メタデータ） (2026-05-29T11:05:43Z) - How Do Document Parsers Break? Auditing Structural Vulnerability in Document Intelligence [35.33453950403692]
本稿では,制御された探索,ポリシー駆動型ターゲティング,構造認識診断を分離する軽量な出力レベル監査フレームワークであるProSAを提案する。
ProSAは、構造的アイデンティティが失われる場所、露光障害が発生する場所、そして障害がどのように伝播するかを分析します。
これらの結果はDLA評価をフットプリントに基づくストレステストから構造認識型脆弱性監査へシフトさせる。
論文 参考訳（メタデータ） (2026-05-19T03:44:09Z) - CoG: Controllable Graph Reasoning via Relational Blueprints and Failure-Aware Refinement over Knowledge Graphs [53.199517625701475]
CoGはDual-Process Theoryにインスパイアされたトレーニング不要のフレームワークで、直観と熟考の相互作用を模倣している。
CoGは精度と効率の両方において最先端のアプローチを著しく上回っている。
論文 参考訳（メタデータ） (2026-01-16T07:27:40Z) - DeepSynth-Eval: Objectively Evaluating Information Consolidation in Deep Survey Writing [53.85037373860246]
本稿では,情報統合能力を客観的に評価するためのベンチマークであるDeep Synth-Evalを紹介する。
一般チェックリスト(実例)と制約チェックリスト(構造体)を用いたきめ細かい評価プロトコルを提案する。
その結果,エージェント型プラン・アンド・ライトは単ターン生成よりも大幅に優れていた。
論文 参考訳（メタデータ） (2026-01-07T03:07:52Z) - Effects of structure on reasoning in instance-level Self-Discover [0.0]
本稿では、Self-Discoverフレームワークのインスタンスレベルの適応であるiSelf-Discoverを紹介し、それを用いて動的に生成された構造化推論と非構造化推論との比較を行う。
最先端のオープンソースモデルを用いた多種多様なベンチマークによる実証的評価は、非構造化推論に対する一貫した優位性を支持している。
論文 参考訳（メタデータ） (2025-07-04T07:28:42Z) - AlphaFold Database Debiasing for Robust Inverse Folding [58.792020809180336]
Debiasing Structure AutoEncoder (DeSAE)を導入し、故意に破損したバックボーンジオメトリからネイティブライクなコンフォーメーションを再構築することを学ぶ。
推測において、DeSAEをAFDB構造に適用すると、逆折り畳み性能を著しく向上する偏りのある構造が生成される。
論文 参考訳（メタデータ） (2025-06-10T02:25:31Z) - Structured Prompting and Feedback-Guided Reasoning with LLMs for Data Interpretation [0.0]
大規模言語モデル(LLM)は、自然言語の理解とタスクの一般化において顕著な能力を示した。
本稿では、構造化されたプロンプトおよびフィードバック駆動型変換ロジック生成手法であるSTROT Frameworkを紹介する。
論文 参考訳（メタデータ） (2025-05-03T00:05:01Z) - Enhancing Systematic Decompositional Natural Language Inference Using Informal Logic [51.967603572656266]
我々は,分解包含を注釈付けするための一貫した理論的なアプローチを導入する。
我々の新しいデータセットRDTEは、前回の分解エンターメントデータセットよりもかなり高い内部整合性(+9%)を持つことがわかった。
また,RDTE による知識蒸留によるエンテーメント分類器の訓練や,エンテーメントツリー推論エンジンへの導入により,精度と検証精度が向上することが確認された。
論文 参考訳（メタデータ） (2024-02-22T18:55:17Z)
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。