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。
多くの関係が文章境界を交差するという事実によって動機づけられて,文書レベル関係抽出(DocRE)において関心が増している。DocREは,文章内の情報を統合し,エンティティの言及間の複雑な相互作用を捉える必要がある。ほとんどの既存の方法はパイプラインベースであり,入力としてエンティティを必要とする。しかし,エンティティと関係を抽出するための共同学習は,共有パラメータと訓練ステップにより,性能を改善し,より効率的である。本論文では,DocRE(エンティティ抽出,共参照分解能,および関係抽出)のサブタスクを学習できるシーケンスツーシーケンスアプローチseq2relを開発し,タスク特異的コンポーネントのパイプラインを置き換える。簡単な戦略を用いて,エンティティのヒントを呼び出し,いくつかの事例でその性能を超過するいくつかの一般的な生物医学データセットに関する既存のパイプラインベースの方法と比較した。また,将来の比較のためにこれらのデータセットに関する最初のエンドツーエンド結果を報告した。最後に,著者らのモデルの下で,エンドツーエンドアプローチがパイプラインベースの手法より優れていることを実証した。著者らのコード,データおよび訓練されたモデルは,{url{https://github.com/johngiorgi/seq2rel}で利用可能である。オンラインデモは{url{https://share.streamlit.io/johngiorgi/seq2rel/main/demo.py}で利用可能である。【JST・京大機械翻訳】