文献

J-GLOBAL ID：201902241731753425   整理番号：19A2444181

注意を持つ逐次および木構造LSTMを用いた意味関係抽出【JST・京大機械翻訳】

Semantic relation extraction using sequential and tree-structured LSTM with attention

著者 (10件)： Geng ZhiQiang (College of Information Science & Technology, Beijing University of Chemical Technology, China) ,  Geng ZhiQiang (Engineering Research Center of Intelligent PSE, Ministry of Education in China, Beijing 100029, China) ,  Chen GuoFei (College of Information Science & Technology, Beijing University of Chemical Technology, China) ,  Chen GuoFei (Engineering Research Center of Intelligent PSE, Ministry of Education in China, Beijing 100029, China) ,  Han YongMing (College of Information Science & Technology, Beijing University of Chemical Technology, China) ,  Han YongMing (Engineering Research Center of Intelligent PSE, Ministry of Education in China, Beijing 100029, China) ,  Lu Gang (College of Information Science & Technology, Beijing University of Chemical Technology, China) ,  Lu Gang (Engineering Research Center of Intelligent PSE, Ministry of Education in China, Beijing 100029, China) ,  Li Fang (College of Information Science & Technology, Beijing University of Chemical Technology, China) ,  Li Fang (Engineering Research Center of Intelligent PSE, Ministry of Education in China, Beijing 100029, China)
資料名： Information Sciences  (Information Sciences)
巻： 509  ページ： 183-192  発行年： 2020年 
JST資料番号： D0636A  ISSN： 0020-0255  CODEN： ISIJBC  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： 意味論的関係抽出は,知識グラフ(KG)を自動的に構築するために重要であり,それは質問応答(QA),意味論的探索,およびテキストの調整のような様々な下流の自然言語処理(NLP)タスクをサポートする。さらに,意味関係抽出タスクは,主に生テキストからエンティティペアを同定し,抽出されたエンティティペア間の意味関係を抽出するために責任がある。既存の方法は語彙レベルの特徴のみを考慮し,しばしば構文的特徴を無視し,結果として貧弱な関係抽出性能をもたらす。文における構文依存性と単語の寄与の必要性を分析することによって,本論文は,文章の依存性ツリーに基づいて構造的特徴を抽出するために双方向ツリー構造化長い短期記憶(LSTM)を使用するエンドツーエンド方法を提案した。関係抽出の性能を強化するために,注意を持つ双方向逐次LSTMを用いて,実体対の位置情報と単語の寄与を含む単語ベースの特徴を同定した。次に,構造特徴と単語ベースの特徴を連結して,関係抽出性能を最適化した。最後に,提案した方法を,SemEval2010タスク8とCoNLL04データセット上で使用し,その性能を検証した。実験結果は,提案した方法が,SemEval2010タスク8とCoNLL04データセットに関する最先端の結果を達成することを示した。Copyright 2019 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 最適化 ,  エンドツーエンド方式 ,  位置情報 ,  意味論 ,  *単語 ,  木構造 ,  語彙 ,  ツリー構造 ,  自然言語処理
準シソーラス用語： 短期記憶 ,  構文 ,  エンティティ ,  テキスト ,  質問応答 ,  *関係抽出 , 【Automatic Indexing@JST】

著者キーワード (4件)： 意味関係抽出 ,  依存性構文 ,  木構造LSTM ,  注意

分類 (3件)： 分子・遺伝情報処理  (JE15040B) ,  人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： 注意 ,  木構造 ,  LSTM