文献

J-GLOBAL ID：202002278959485922   整理番号：20A2263126

CoRel:概念学習と関係移転による種子誘導局所分類構築【JST・京大機械翻訳】

CoRel: Seed-Guided Topical Taxonomy Construction by Concept Learning and Relation Transferring

著者 (5件)： Huang Jiaxin (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Xie Yiqing (Hong Kong University of Science and Technology, Hong Kong, China) ,  Meng Yu (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Zhang Yunyi (University of Illinois at Urbana-Champaign, Champaign, IL, USA) ,  Han Jiawei (University of Illinois at Urbana-Champaign, Champaign, IL, USA)
資料名： ACM Proceedings  (ACM Proceedings)
号： KDD ’20  ページ： 1928-1936  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： タキソノミーは知識表現の基本的形式だけでなく,質問回答やWeb検索のような広大な知識豊富なアプリケーションにも重要である。ほとんどの既存の分類構築方法は,”普遍的”分類を組織化するために,ハイパーニム-仮説エンティティペアを抽出する。しかし,これらの一般的な分類学は,ある地域と関係においてユーザの特定の関心を満たすことができない。さらに,インスタンス分類の性質は,各ノードを単一単語として扱い,人々が十分に理解するための低い意味カバレージを持っている。本論文では,入力として概念名によって記述されたコーパスとシード分類を取り入れたシード誘導局所分類構築のための方法を提案し,各ノードがコヒーレント項のクラスタによって表現される,ユーザの興味に基づくより完全な分類を構築する。このフレームワーク,CoRelは,この目標を満たす2つのモジュールを持つ。関係移動モジュールは,幅と深さにおけるシード分類構造を拡大するために,複数の経路に沿ってユーザの興味関係を学習し,転送する。概念学習モジュールは,分類学とテキストを一緒に埋め込むことによって,各概念ノードの意味論を豊かにする。実世界データセット上で行った包括的実験は,CoRelが高品質局所分類子を生成し,全てのベースラインを凌駕することを示した。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： コヒーレンス ,  意味論 ,  クラスタ ,  応用プログラム ,  知識表現 ,  基準線 ,  単語 ,  *コーパス
準シソーラス用語： *概念学習 ,  分類学 ,  ウェブ検索 ,  分類子 , 【Automatic Indexing@JST】

著者キーワード (4件)： 関係抽出 ,  セマンティックコンピューティング ,  分類学構築 ,  トピックの発見

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 (6件)： 概念学習 ,  移転 ,  種子 ,  誘導 ,  分類 ,  構築