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。
エンドツーエンド関係抽出は,それらの間のエンティティと抽出関係の同定を目的とする。ほとんどの最近の研究は,これら2つのサブタスクを,1つの構造化予測フレームワークにそれらを注型するか,あるいは共有表現を通してマルチタスク学習を行うかのいずれかで,これら2つのサブタスクを共同でモデル化する。本研究では,エンティティおよび関係抽出のための簡単なパイプライン化アプローチを提示し,標準ベンチマーク(ACE04,ACE05およびSciERC)に関する新しい最先端技術を確立し,同じ事前訓練符号器を用いた以前の関節モデルに関するF1の1.7%~2.8%の絶対改善を得た。提案アプローチは本質的に2つの独立した符号器上に構築され,関係モデルの入力を構築するためにエンティティモデルのみを使用する。一連の注意深い検査を通して,エンティティと関係のための明確な文脈表現を学習することの重要性を検証し,関係モデルの初期のエンティティ情報を融合し,大域的文脈を組み入れた。最後に,推論時間におけるエンティティと関係符号器の1パスのみを必要とする提案アプローチに対する効率的な近似も提示し,精度の僅かな低減で8~16×高速化を達成した。【JST・京大機械翻訳】