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。
情報による年齢オーバフローにおいて,非構造化データを構造化データに変換するタスクは,大きなニーズの不可欠なタスクである。現在,ほとんどの関係抽出モジュールは,テキストの短い体積から通常,局所の言及レベル関係の抽出に集中している。しかし,ほとんどの場合,最も重要で重要な関係は,長さと詳細で記述されるものである。本研究では,文書レベル入力に対する知識グラフ埋込みを用いた大域的レベル関係抽出器モデルであるGREGを提案した。モデルは,入力文書を表現することができる知識グラフを構築するために,言及レベル局所関係のベクトル表現を使用する。次に,知識グラフを用いて,文書またはテキストの大体からの大域的レベル関係を予測した。提案モデルは,訓練中に同期する2つのモジュールに大部分分割される。従って,各モデルモジュールは,別々に局所関係と大域的関係を扱うように設計されている。これにより,グローバルレベル関係抽出を試みるとき,より小さなサイズの表現に打ち切られた多くの情報のために,情報の損失に対するストラグリングの問題を避けることができる。評価を通して,提案モデルは,グローバルレベル関係と局所レベル関係の両方の予測において,一貫して高い性能をもたらすことを示した。Copyright 2021 The Author(s) All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】