サイクルティーチングによるアンサンブル半教師つきエンティティアラインメント【JST・京大機械翻訳】

Xin Kexuan; Sun Zequn; Hua Wen; Liu Bing; Hu Wei; Qu Jianfeng; Zhou Xiaofang

プレプリント

J-GLOBAL ID：202202220556372297 整理番号：22P0302958

サイクルティーチングによるアンサンブル半教師つきエンティティアラインメント【JST・京大機械翻訳】

Ensemble Semi-supervised Entity Alignment via Cycle-teaching

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 (7件)： , , , , , ,
資料名：
発行年： 2022年03月11日プレプリントサーバーでの情報更新日： 2022年03月11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)

エンティティアラインメントは,異なる知識グラフにおいて同一のエンティティを見つけることである。埋込みベースエンティティアラインメントは最近顕著な進歩を達成したが,訓練データ不足は重大な課題のままである。従来の半教師つき方法は,新しく提案した訓練データにおける不正確なエンティティアラインメントにも悩まされている。これらの課題を解決するため,半教師つきエンティティアラインメントのための反復サイクル-テーチングフレームワークを設計した。重要なアイデアは,多重エンティティアラインメントモデル(アコーダ)を同時に訓練し,各アコーダが,提案した新しいエンティティアラインメントを繰り返して反復的に教えることである。筆者らは,各アラインメント者に対して信頼性のあるエンティティアラインメントを選択するための多様性意識アラインメント選択法を提案した。また,アラインメント者とその教師からの新しいアラインメントを組み合わせるとき,アラインメントコンフリクトを解決するためのコンフリクト解決機構を設計した。さらに,サイクル-教示順序の影響を考慮して,著者らは,多重アラインメント者の全体的性能を最大にすることができる最適順序を整理するための戦略を詳細に設計した。サイクル-教育プロセスは,各々のモデル学習能力の限界を壊すことができて,新しいトレーニングデータにおけるノイズを減少することができて,改良性能に導いた。ベンチマークデータセットに関する広範な実験は,訓練データが不十分で,新しいエンティティアラインメントが多くの雑音を持つとき,最先端のモデルよりも著しく優れている,提案したサイクル-チャイングフレームワークの有効性を実証した。【JST・京大機械翻訳】

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

人工知能 , パターン認識

, , , , ,

前のページに戻る