文献

J-GLOBAL ID：202002225001241151   整理番号：20A1344931

敵対学習に基づく関係抽出のための部分領域適応【JST・京大機械翻訳】

Partial Domain Adaptation for Relation Extraction Based on Adversarial Learning

著者 (3件)： Cao Xiaofei (Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Yang Juan (Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China) ,  Meng Xiangbin (Beijing Key Lab of Intelligent Telecommunication Software and Multimedia, Beijing University of Posts and Telecommunications, Beijing, China)
資料名： Lecture Notes in Computer Science  (Lecture Notes in Computer Science)
巻： 12123  ページ： 89-104  発行年： 2020年 
JST資料番号： H0078D  ISSN： 0302-9743  資料種別： 会議録 (C)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： ドメイン適応に基づく関係抽出法は,不十分な注釈付きコーパスの圧力を軽減するために特定のドメインで広く適用され始め,それは関連領域の訓練データセットを利用することによって学習を可能にする。しかし,負の移動は,ドメイン間のデータ分布の違いによる適応プロセスの間に起こる可能性がある。そのうえ,マルチモードデータ構造を完全にマイニングすることなく,関係カテゴリの細粒アラインメントを達成するのは難しい。さらに,一般的アプリケーションシナリオとして,部分ドメイン適応(PDA)は,特定のドメインの関係クラス集合が関連領域の部分集合である場合,ドメイン適応挙動に言及する。この場合,関連領域に属するいくつかの異常値は,モデルの性能を低下させるであろう。これらの問題を解決するために,部分的ドメイン適応(MAPDA)のためのマルチ敵対モジュールに基づく新しいモデルを,本研究で提案した。雑音サンプルと異常値カテゴリーの影響を緩和するための重み機構を設計し,いくつかの敵対ネットワークを埋め込んで,ドメイン間の様々なカテゴリーアラインメントを実現した。実験結果は,提案モデルがドメイン適応において実行される関係抽出の最先端性能を著しく改善することを示した。Copyright Springer Nature Switzerland AG 2020 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： アラインメント ,  雑音 ,  *学習 ,  データ構造 ,  ネットワーク ,  多モード ,  異常値 ,  コーパス ,  アノテーション
準シソーラス用語： 訓練データ ,  *関係抽出 , 【Automatic Indexing@JST】

著者キーワード (3件)： 関係抽出 ,  ドメイン適応 ,  敵対的学習

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

タイトルに関連する用語 (4件)： 敵対 ,  学習 ,  関係抽出 ,  適応