文献

J-GLOBAL ID：202202218146398992   整理番号：22A0182550

ソフトスキーママッチングによる深い実体分解能に向けて【JST・京大機械翻訳】

Towards deep entity resolution via soft schema matching

著者 (3件)： Sun Chenchen (Key Laboratory of Computer Vision and System (Ministry of Education), Tianjin University of Technology, Tianjin, China) ,  Sun Chenchen (College of Intelligence and Computing, Tianjin University, Tianjin, China) ,  Shen Derong (School of Computer Science and Engineering, Northeastern University, Shenyang, China)
資料名： Neurocomputing  (Neurocomputing)
巻： 471  ページ： 107-117  発行年： 2022年 
JST資料番号： W0360A  ISSN： 0925-2312  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： オランダ (NLD)  言語： 英語 (EN)

抄録/ポイント： エンティティ分解能(ER)は,データ前処理において鍵となる役割を果たす。ERは,同じ実世界エンティティに対応する記録を同定する。近年,深層学習に基づくER(深いER)の増加傾向が示されている。しかしながら,以前の深いER作業は,ハードスキーママッチングまたは無視スキーママッチングのいずれかを使用するので,スキーマ意味論を完全に利用しない。本研究では,深いERを強化するためにスキーママッチングを柔軟に活用する。属性が確率に柔軟に関連するソフトスキーママッチングを定義し実装する。属性関係は,粗い深いERにおけるトークン接続を集約することにより発生する。次に,ERのための階層的注意ネットワークにソフトスキーママッチングを組み込み,特に複雑なデータと崩壊データに対して,分解能品質を大幅に改善した。異なる注意は,文脈化のための自己注意,アラインメントのための注意,および重み付けのためのイントラ意図のようなERネットワークにおける特定のサブタスクのために利用される。最後に,一般的データ,複雑なデータおよび崩壊データについて包括的な実験を行った。評価結果は,著者らのアプローチが以前の研究を上回ることを示した。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： アラインメント ,  意味論 ,  ネットワーク ,  分解能 ,  *トークン
準シソーラス用語： エンティティ ,  データ前処理 ,  *スキーママッチング ,  深層学習 , 【Automatic Indexing@JST】

著者キーワード (5件)： エンティティ解決 ,  ソフトスキーママッチング ,  深層学習 ,  注意ネットワーク ,  データ前処理

分類 (2件)： 図形・画像処理一般  (JE04010I) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (3件)： ソフト ,  スキーママッチング ,  分解能