文献

J-GLOBAL ID：202002210568560134   整理番号：20A1867459

豊富なフォーマットデータからのFonduer知識ベース構築【JST・京大機械翻訳】

Fonduer Knowledge Base Construction from Richly Formatted Data

著者 (7件)： Wu Sen (Stanford University, Stanford, CA, USA) ,  Hsiao Luke (Stanford University, Stanford, CA, USA) ,  Cheng Xiao (Stanford University, Stanford, CA, USA) ,  Hancock Braden (Stanford University, Stanford, CA, USA) ,  Rekatsinas Theodoros (University of Wisconsin-Madison, Madison, WI, USA) ,  Levis Philip (Stanford University, Stanford, CA, USA) ,  Re Christopher (Stanford University, Stanford, CA, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： SIGMOD ’18  ページ： 1301-1316  発行年： 2018年 
JST資料番号： D0698C  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： アメリカ合衆国 (USA)  言語： 英語 (EN)

抄録/ポイント： 豊富フォーマットデータからの知識ベース構築(KBC)に焦点を当てた。テキストまたは表データからのKBCとは対照的に,豊富なフォーマットされたデータからのKBCは,テキスト,構造,表明および視覚表現を介して共同で伝達される関係を抽出することを目的とする。Fonduer,機械学習ベースのKBCシステムを,豊富なフォーマットデータのために導入した。Fonduerは,豊富なフォーマットデータの3つの挑戦的な特性を説明する新しいデータモデルを示す。(1)一般的な文書レベル関係,(2)多モード,および(3)データ多様性。Fonduerは,豊富なフォーマットデータから関係を抽出する方法の学習に必要な表現(すなわち,特徴)を自動的に捉えるために,新しい深層学習モデルを使用する。最後に,Fonduerは,ユーザがドメイン専門知識を変換できる新しいプログラミングモデルを提供し,KBCシステムを訓練するための監視の有意義な信号に対して,情報の多重モダリティに基づく。FonduerベースのKBCシステムは,主要なオンライン小売業を含む使用事例の範囲に対して生産中である。4つの異なるドメインにおける最先端のKBC手法に対するFonduerを比較した。著者らは,Fonduerが出力知識ベースの品質に関して41F1ポイントの平均改良を達成して,いくつかの事例において,専門家の公開された公開知識ベースと比較して,最大1.87xの正しいエントリーの個数を生成することを示した。また,Fonduerの新しいプログラミングモデルのユーザビリティを評価するためにユーザ研究を行った。30分だけFonduerを使用した後に,非ドメインエキスパートは,従来の機械学習ベースKBC手法よりも平均23F1ポイント高い品質を達成するKBCシステムを設計できることを示した。Please refer to this article’s citation page on the publisher website for specific rights information. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 多重化 ,  多モード ,  *知識ベース ,  データモデル ,  機械学習 ,  小売業
準シソーラス用語： モダリティ ,  プログラミングモデル ,  オンライン ,  視覚表現 ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (4件)： 知識ベース構築 ,  マルチモーダル監視 ,  豊富なフォーマットデータ ,  弱監視

分類 (1件)： 自然語処理  (JE06000L)

タイトルに関連する用語 (3件)： フォーマットデータ ,  知識ベース ,  構築