HIN:文書レベル関係抽出のための階層的推論ネットワーク【JST・京大機械翻訳】

Tang Hengzhu; Cao Yanan; Zhang Zhenyu; Cao Jiangxia; Fang Fang; Wang Shi; Yin Pengfei

プレプリント

J-GLOBAL ID：202202221364685298 整理番号：22P0128006

HIN:文書レベル関係抽出のための階層的推論ネットワーク【JST・京大機械翻訳】

HIN: Hierarchical Inference Network for Document-Level Relation Extraction

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： 2020年03月28日プレプリントサーバーでの情報更新日： 2020年03月28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)

文書レベルREは,複数の文章を読むこと,推論,および集約化を必要とする。著者らの観点から,文書レベルREは,多粒状性推論情報:エンティティレベル,文章レベル,および文書レベルを利用するのに必要である。従って,異なる粒度を持つ推論情報をいかに取得し,集約するかは,文書レベルREに対して挑戦的であり,これは以前の研究では考慮されていない。本論文では,エンティティレベル,文章レベルおよび文書レベルから豊富な情報を完全に利用するために,階層推論ネットワーク(HIN)を提案した。翻訳制約と双線形変換を,エンティティレベル推論情報を得るために,多重部分空間におけるターゲットエンティティペアに適用した。次に,エンティティレベル情報と文章表現の間の推論をモデル化して,文章レベル推論情報を達成した。最後に,階層的凝集方式を採用して,文書レベル推論情報を得た。このように,著者らのモデルは,これらの3つの異なる粒状性から推論情報を効果的に集約することができた。実験結果は,著者らの方法が大規模DocREDデータセットに関して最先端の性能を達成することを示した。また,BERT表現を用いることは,さらに性能を大幅に向上できることを示した。【JST・京大機械翻訳】

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

人工知能 , 自然語処理

, ,

前のページに戻る