文献

J-GLOBAL ID：202002255752778012   整理番号：20A2283323

関係抽出のための注意機構を持つ適応グラフ畳込みネットワーク【JST・京大機械翻訳】

Adaptive Graph Convolutional Networks with Attention Mechanism for Relation Extraction

著者 (5件)： Li Zhixin (Guangxi Normal University,Guangxi Key Lab of Multi-source Information Mining and Security,Guilin,China,541004) ,  Sun Yara (Guangxi Normal University,Guangxi Key Lab of Multi-source Information Mining and Security,Guilin,China,541004) ,  Tang Suqin (Guangxi Normal University,Guangxi Key Lab of Multi-source Information Mining and Security,Guilin,China,541004) ,  Zhang Canlong (Guangxi Normal University,Guangxi Key Lab of Multi-source Information Mining and Security,Guilin,China,541004) ,  Ma Huifang (Northwest Normal University,College of Computer Science and Engineering,Lanzhou,China,730070)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： IJCNN  ページ： 1-8  発行年： 2020年 
JST資料番号： W2441A  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： NLPの関係抽出タスクにおいて,依存性ツリーに関する豊富な構造情報の効果的利用方法は,挑戦的な研究問題である。ノード間の依存性関係をよりよく学習するために,著者らは,注意機構に基づく豊富な文脈依存性を捕えて,最適関係情報表現を作り出すために,分布強化学習を用いて,関係抽出タスクに対処した。関連情報を効果的に利用するための注意機構を用いて,著者らは,局所特徴をそれらのグローバル依存性と適応的に統合するために,二重注意グラフ畳込みネットワーク(DAGCN)を提案した。具体的には,GCNのトップに2つのタイプの注意モジュールを付加し,空間および関係次元における意味的相互依存性をそれぞれモデル化した。位置注意モジュールは,ノード内部特徴のすべての位置で特徴の加重和によって各位置で特徴を選択的に凝集する。類似した特徴は,それらの距離に関係なく互いに関連している。一方,関係注意モジュールは,すべてのノード間の関連特徴を統合することによって,相互依存ノード関係を選択的に強調する。より正確な抽出結果に寄与する特徴表現をさらに改善するためのノード関係の分類を予測するために,2つの注意モジュールの出力を和らげ,強化学習を使用した。TACREDとSemEvalデータセットに関する結果は,モデルが関係抽出タスクのためにより有用な情報を得ることができて,種々の評価指標に関してより良い性能を達成することができることを示した。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： *畳込み ,  *ネットワーク ,  強化学習
準シソーラス用語： 局所特徴 , 【Automatic Indexing@JST】

分類 (1件)： 図形・画像処理一般  (JE04010I)

タイトルに関連する用語 (5件)： 関係抽出 ,  注意 ,  適応 ,  グラフ ,  畳込み