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。
埋込みベースの方法は,最近のエンティティアラインメント(EA)研究においてますます注目を集めている。非常に有望であるが,まだいくつかの制限がある。最も注目すべきことは,それらがコサイン類似性に基づく配列エンティティを同定し,埋込み自体の根底にある意味論を無視することである。さらに,これらの方法は,目標として最も近いエンティティを発見的に選択し,複数のエンティティを同じ候補にマッチさせるのを可能にする。これらの限界に取り組むために,エージェントが逐次意思決定タスクとしてエンティティアラインメントをモデル化し,その中でエージェントは,2つのエンティティがそれらの表現ベクトルに基づいてマッチするか,または不整合であるかどうかを逐次的に決定する。提案した強化学習(RL)ベースエンティティアラインメントフレームワークは,ほとんどの埋込みベースEA法に柔軟に適応できる。実験結果は,Hits@1で31.1%の最大改善で,いくつかの最先端の方法の性能を一貫して進歩させることを示した。【JST・京大機械翻訳】