文献

J-GLOBAL ID：202002218878440152   整理番号：20A1716095

エンティティマッチングのためのマルチコンテキスト注意【JST・京大機械翻訳】

Multi-Context Attention for Entity Matching

著者 (5件)： Zhang Dongxiang (Zhejiang University, China) ,  Nie Yuyang (University of Science and Technology of China, China) ,  Wu Sai (Zhejiang University, China) ,  Shen Yanyan (Shanghai Jiao Tong University, China) ,  Tan Kian-Lee (National University of Singapore, Singapore)
資料名： ACM Proceedings  (ACM Proceedings)
号： WWW ’20  ページ： 2634-2640  発行年： 2020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： エンティティマッチング(EM)は,同じ実世界エンティティを参照するデータインスタンスを同定する古典的な研究問題である。この分野における最近の技術動向は,識別特徴を自動的に抽出するために深層学習(DL)を利用することである。EMの2つの先駆的DLモデルとして深いERとDeepMatcherが出現している。しかし,これらの2つの最先端の解決策は,バニラRNNと直接的な注意機構を簡単に組み込む。本論文では,エンティティテキスト記述のペアに対する埋込みベクトルの意味的文脈を完全に利用した。特に,3種類の文脈から,自己注意,対注意および大域的注意を考慮した統合マルチテキスト注意フレームワークを提案した。このアイデアをさらに拡張して,構造化データセットをサポートするために属性注意を組み込んだ。公的にアクセス可能な7つのベンチマークデータセットによる広範な実験を行った。実験結果は,すべてのデータセットにおいて,深いERとDeepMatcherに関する著者らの優位性を明確に確立した。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： ベクトル ,  ネットワーク ,  バニラ ,  *ベンチマーク ,  技術動向 ,  深層学習
準シソーラス用語： *エンティティ , 【Automatic Indexing@JST】

著者キーワード (3件)： 分類ネットワーク ,  実体マッチング ,  マルチコンテキスト注意

分類 (2件)： 人工知能  (JE08000Z) ,  自然語処理  (JE06000L)

タイトルに関連する用語 (5件)： エンティティ ,  マッチング ,  マルチ ,  コンテキスト ,  注意