文献

J-GLOBAL ID：202102241264594611   整理番号：21A1299956

グラフベースBayesMeta関係抽出【JST・京大機械翻訳】

Graph-based Bayesian Meta Relation Extraction

著者 (2件)： Wang Zhen (School of Software & Microelectronics, Peking University,Beijing,China) ,  Zhang Zhenting (Kings college London,Department of Informatics,London,United Kingdom)
資料名： IEEE Conference Proceedings  (IEEE Conference Proceedings)
巻： 2020  号： CIS  ページ： 90-94  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： Meta学習法は,類似タスクと一致する内部表現を最初に学習することにより,少数のサンプルを用いた新しいタスクへの迅速な適応を達成する。本論文では,少数ショット関係抽出に焦点を当てた。少数ショット関係抽出における以前の研究は,各関係における少数のラベル付き事例による訓練により,文章におけるエンティティ対に対する関係の予測を目的とする。しかしながら,これらのアルゴリズムは,メタ訓練タスクが相互に排他的であり,単一モデルが一度にタスクのすべてを解決できないこと,そしてそれは,これらの方法の一般化能力を妨げることを暗黙的に要求する。新しい関係により効果的に一般化するために,本論文では,メタ正則化目的を設計することにより,この課題に取り組んだ。重みに関する正則化を介して,関係のプロトタイプベクトルを効果的に学習するための新しいBayesメタ学習アプローチを提案し,グラフニューラルネットワーク(GNN)を用いて,大域的関係グラフ上のプロトタイプベクトルの初期事前のパラメータ化を行った。提案アプローチは,標準アルゴリズムを実質的に上回り,実験により提案手法の有効性を実証した。Copyright 2021 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： アルゴリズム ,  ベクトル ,  *学習 ,  粒状材 ,  正則化 ,  有効性 ,  パラメタリゼーション ,  プロトタイプ
準シソーラス用語： メタ学習 ,  エンティティ ,  *関係抽出 , 【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 (2件)： グラフ ,  関係抽出