文脈または名前からの学習?ニューラル関係抽出に関する実証的研究【JST・京大機械翻訳】

Peng Hao; Gao Tianyu; Han Xu; Lin Yankai; Li Peng; Liu Zhiyuan; Sun Maosong; Zhou Jie

プレプリント

J-GLOBAL ID：202202204152336976 整理番号：22P0197124

文脈または名前からの学習?ニューラル関係抽出に関する実証的研究【JST・京大機械翻訳】

Learning from Context or Names? An Empirical Study on Neural Relation Extraction

出版者サイト {{ this.onShowPLink() }} 複写サービスで全文入手
高度な検索・分析はJDreamⅢで

この文献はプレプリントです。プレプリントについてはこちらをご確認ください。

著者 (8件)： , , , , , , ,
資料名：
発行年： 2020年10月05日プレプリントサーバーでの情報更新日： 2020年11月30日
JST資料番号： O7000B 資料種別：プレプリント
記事区分：プレプリント発行国：アメリカ合衆国 (USA) 言語：英語 (EN)

ニューラルモデルは,関係抽出(RE)ベンチマークに関して顕著な成功を達成した。しかし,情報のタイプが既存のREモデルに影響する明確な理解は無く,これらのモデルの性能をさらに改善する。この目的のために,テキストにおける2つの主要な情報源(テキストコンテキストとエンティティ記述(names))の影響を経験的に研究した。(i)コンテキストは予測をサポートする主な情報源であるが,REモデルはまた,タイプ情報であり,そして(ii)既存のデータセットは,エンティティの言及により浅いヒューリスティックスを漏洩し,従って,REベンチマークの高性能に寄与するかもしれない。解析に基づき,REに対するエンティティマスクコントラスト事前訓練フレームワークを提案し,テキスト文脈とタイプ情報の両方に関するより深い理解を得,一方,エンティティの腐敗記憶を回避し,または,表在における表在的手がかりの使用を避けた。著者らは,著者らの見解をサポートするために広範囲な実験を行い,著者らのフレームワークが異なるREシナリオにおけるニューラルモデルの有効性とロバスト性を改善することを示した。すべてのコードとデータセットはhttps://github.com/thunlp/RE Context or Namesで放出される。【JST・京大機械翻訳】

, , , , , , , , ,
, , , , 【Automatic Indexing@JST】

人工知能

, , , ,

前のページに戻る