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。
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】