文献

J-GLOBAL ID：202002212952949441   整理番号：20A1186132

強化学習による拡張教師付き関係抽出のための誤ったラベルの低減【JST・京大機械翻訳】

Reducing Wrong Labels for Distantly Supervised Relation Extraction With Reinforcement Learning

著者 (4件)： Chen Tiantian (School of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  Wang Nianbin (School of Computer Science and Technology, Harbin Engineering University, Harbin, China) ,  He Ming (School of Computer and Information Engineering, Heilongjiang University of Science and Technology, Harbin, China) ,  Sun Liu (School of Computer Science and Technology, Harbin Engineering University, Harbin, China)
資料名： IEEE Access  (IEEE Access)
巻： 8  ページ： 81320-81330  発行年： 2020年 
JST資料番号： W2422A  ISSN： 2169-3536  資料種別： 逐次刊行物 (A)
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： 関係抽出(RE)は,様々な自然言語処理(NLP)タスクにおいて重要な役割を果たす,プレーンテキストからエンティティペア間の意味関係をマイニングすることを目的としている。しかしながら,遠隔監視(DS)における既存の方法は,バッグに敏感であり,意味レベル関係予測を扱うことができない。特に,センテンレベル標識雑音除去に焦点を当てた方法はほとんどない。本論文において,強化学習(RL)に基づくセンテンレベル標識ノイズ除去モデルと表現-オン-ひとつの仮定を,遠隔的に監督されたREのために提案した。最初に,以前の研究において雑音のある文章を除去することとは異なり,本論文では,文章がラベル付けされている複数の関係から最も信頼できるラベルを選択するためのラベルデノイサとして,Deep Qネットワーク(DQN)を設計した。第二に,関係抽出器は,ラベル雑音除去器の前後のデータ間の関係を予測するために,典型的ニューラルネットワークモデルを適用した。ラベル表示装置における報酬を予測スコアの差異によって測定した。最後に,ラベル表示器と関係抽出器の間の2つのモジュールを,正確なラベルを得て,文章レベルで抽出性能を改善するために,共同で訓練した。実験結果により,提案した雑音除去器は,データの雑音ラベルを効果的に処理することができ,提案したモデルは,Riedelデータセットと人間アノテーションデータセットの両方に関して,以前の最先端のベースラインより優れていることを示した。Copyright 2020 The Institute of Electrical and Electronics Engineers, Inc. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 雑音 ,  ネットワーク ,  自然言語処理 ,  雑音低減 ,  基準線 ,  *強化学習 ,  遠隔監視 ,  雑音除去
準シソーラス用語： 神経回路網モデル ,  *関係抽出 , 【Automatic Indexing@JST】

分類 (1件)： 音声処理  (JE05000E)

タイトルに関連する用語 (5件)： 強化学習 ,  拡張 ,  教師 ,  関係抽出 ,  ラベル