文献

J-GLOBAL ID：202002285571021729   整理番号：20A2000561

細粒特徴を持つ少数ショット関係分類のための大マージンプロトタイプネットワーク【JST・京大機械翻訳】

Large Margin Prototypical Network for Few-shot Relation Classification with Fine-grained Features

著者 (4件)： Fan Miao (Baidu Research, Beijing, China) ,  Bai Yeqi (Baidu Research, Beijing, China) ,  Sun Mingming (Baidu Research, Beijing, China) ,  Li Ping (Baidu Research, Beijing, China)
資料名： ACM Proceedings  (ACM Proceedings)
号： CIKM ’19  ページ： 2353-2356  発行年： 2019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： 関係分類(RC)は,自然言語理解と知識グラフ完了の両方において重要な役割を果たす。自由文文に現れる2つの関心エンティティ間の関係を認識するタスクとして一般的に定式化されている。特徴工学または深層学習に基づくRCに関する従来のアプローチは,訓練のための不十分なラベル付きインスタンスのために,非認識可能長尾関係の大きな割合を残す共通のタイプの関係のカテゴリー化に関する有望な性能を得ることができる。本論文では,少数のショット学習はRCに対して大きな実用的意義があり,従って数ショットRCに対するメトリック学習の最新のフレームワークを改善する。特に,長尾関係でよく一般化できる,細粒特徴を持つ大マージンProtoNetを採用した。大規模教師つき少数ショットRCデータセットである少数Relにより広範な実験を行い,LM-ProtoNet(FGF)を評価した。結果は,それが多くのベースラインアプローチで実質的な改良を達成できることを証明した。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： 学習 ,  *ネットワーク ,  粒状材 ,  基準線 ,  定式化
準シソーラス用語： 自然言語理解 ,  エンティティ ,  深層学習 ,  メトリック学習 , 【Automatic Indexing@JST】

著者キーワード (3件)： 少数ショット学習 ,  原型ネットワーク ,  関係分類

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 (3件)： 細粒 ,  ショット ,  分類