抄録/ポイント:
抄録/ポイント
文献の概要を数百字程度の日本語でまとめたものです。
部分表示の続きは、JDreamⅢ(有料)でご覧頂けます。
J-GLOBALでは書誌(タイトル、著者名等)登載から半年以上経過後に表示されますが、医療系文献の場合はMyJ-GLOBALでのログインが必要です。
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】