文献
J-GLOBAL ID:202202217465718819   整理番号:22A0733781

有向ラベル付きグラフリカレントネットワークを用いたエンドツーエンドイベント事実予測【JST・京大機械翻訳】

End-to-end event factuality prediction using directional labeled graph recurrent network
著者 (4件):
資料名:
巻: 59  号:ページ: Null  発行年: 2022年 
JST資料番号: E0362B  ISSN: 0306-4573  資料種別: 逐次刊行物 (A)
記事区分: 原著論文  発行国: イギリス (GBR)  言語: 英語 (EN)
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。
事象事実予測は,文章で言及したイベントが発生している程度を評価するタスクである。しかし,既存の方法は,通常,アンカ単語の金位置を与える実際の予測を行うために,符号器をスタックする。さらに,双方向LSTMSとグラフ畳込みネットワークのような頻繁に使用されたエンコーダは,コンテキストをモデル化する間,方向性ラベル付き構文情報を無視する。イベントアンカー単語を前もって同定せずにプレーンテキストに直面するときのギャップを埋めるために,本論文ではエンドツーエンドEFPのタスクを検討した。マルチタスクフレームワークにおけるイベントアンカー検出と直感誘導を解決するために,DLGRNとして表示された方向性ラベル付きグラフリカレントネットワークを提示した。具体的には,文を構文情報グラフとして表現する。次に,方向性ラベル付き情報を組み込むために,著者らは,グラフベースの反復メッセージ通過符号器のトップに関して,エッジタイド重みとエッジ意識注意機構を設計した。著者らはさらに,混合目的学習関数を最適化することによって,イベントアンカー検出と直感誘導を同時にモデル化するために,マルチタスク学習を利用することを提案する。4つの広く使われている事実予測ベンチマーク(即ち,FactBank,平均時間,UW,およびUDS-IH2)を用いて,著者らのフレームワークを評価した。このフレームワークは,2つのサブタスクにおける最先端の結果を達成し,平均的に17.12%MAEを減少して,最良のベースラインに対して5.40%のピアソン相関rを上げる。さらに,実験結果は,このフレームワークが全体的事実スコア分布を捉えることができ,EFPにおける方向性およびラベル付き構文情報を組み込むことは,ベースラインよりも優れた性能を達成することを示した。Copyright 2022 Elsevier B.V., Amsterdam. All rights reserved. Translated from English into Japanese by JST.【JST・京大機械翻訳】
シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。

準シソーラス用語:
シソーラス用語/準シソーラス用語
文献のテーマを表すキーワードです。
部分表示の続きはJDreamⅢ(有料)でご覧いただけます。
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。
, 【Automatic Indexing@JST】
分類 (2件):
分類
JSTが定めた文献の分類名称とコードです
自然語処理  ,  人工知能 
タイトルに関連する用語 (4件):
タイトルに関連する用語
J-GLOBALで独自に切り出した文献タイトルの用語をもとにしたキーワードです

前のページに戻る