非構造テキストから因果知識グラフへ:変圧器ベースアプローチ【JST・京大機械翻訳】

Friedman Scott; Magnusson Ian; Sarathy Vasanth; Schmer-Galunder Sonja

プレプリント

J-GLOBAL ID：202202213891780840 整理番号：22P0294380

非構造テキストから因果知識グラフへ:変圧器ベースアプローチ【JST・京大機械翻訳】

From Unstructured Text to Causal Knowledge Graphs: A Transformer-Based Approach

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 (4件)： , , ,
資料名：
発行年： 2022年02月23日プレプリントサーバーでの情報更新日： 2022年02月23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)

定性的因果関係は,世界における離散または連続相互作用の方向,依存性,時間的制約および単調性制約をコンパクトに表現する。日常的または学術的言語において,著者らは,離散事象またはエンティティ(例えば,蛋白質が別の蛋白質転写を阻害する),または意図的または機能的因子(例えば,病院患者光線が疼痛を緩和すること)の間で,量(例えば,睡眠減少ストレス)の間の相互作用を表現できるかもしれない。これらの多様な因果関係を抽出および表現することは,科学発見から社会科学までの領域で動作する認知システムにとって重要である。本論文では,(1)言語で記述された変数または因子,(2)これらの変数に対する定性的因果関係,(3)これらの因果関係を制約する分類器および大きさ,および(4)大きなオントロジー内の各抽出ノードを局所化する単語の意味を含む,知識グラフを一緒に抽出する変圧器ベースのNLPアーキテクチャを提示した。変圧器ベースのアーキテクチャはそれ自身認知システムであると主張しない。しかし,実世界領域における正確な知識グラフ抽出と,グラフベース推論を行う認識システムに対する得られた知識グラフの実用性の証拠を示した。このアプローチを実証し,2つの使用事例,学術刊行物,ニュース記事,およびソーシャルメディアからのテキスト入力を処理する有望な結果を含む。【JST・京大機械翻訳】

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

人工知能 , 自然語処理

前のページに戻る