文献

J-GLOBAL ID：202202258480496488   整理番号：22A0890692

改良グラフ畳込みネットワークによるエンティティと重複関係の同時抽出【JST・京大機械翻訳】

Joint extraction of entities and overlapping relations by improved graph convolutional networks

著者 (6件)： Sun Qi (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Kun (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Lv Laishui (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Li Xun (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Huang Kun (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China) ,  Zhang Ting (School of Computer Science and Engineering, Nanjing University of Science and Technology, Nanjing, China)
資料名： Applied Intelligence  (Applied Intelligence)
巻： 52  号： 5  ページ： 5212-5224  発行年： 2022年 
JST資料番号： W0297A  ISSN： 0924-669X  資料種別： 逐次刊行物 (A)
記事区分： 原著論文  発行国： ドイツ (DEU)  言語： 英語 (EN)

抄録/ポイント： エンティティと関係の共同抽出は,エンティティと意味関係を同時に認識することであり,それは知識グラフ構築にとって重要である。最近,多くの効果的な関節モデルは,文章の構造情報を捉えるために依存性ツリーを使用する。しかし,ほとんどの依存性ベースの方法は,依存性情報を完全に利用することができない。これは,これらの方法が依存性ツリーの接続情報のみを考慮し,接続エッジに対する異なるノードの影響を無視するためである。本論文では,MGCNと呼ばれる改良マルチタスクグラフ畳込みネットワークを用いて,エンティティと関係を同時に抽出する新しいモデルを確立する。具体的には,ノード情報の重要性を考慮して,ノードとエッジ情報をグラフ畳込みネットワーク(GCN)に併合する。さらに,重複関係を認識するために,文の多重関係ラベルをユニークなコードに写像するための効率的な戦略を提案した。最後に,著者らは2つの公開データセットに関する著者らの共同モデルを評価して,実験結果は著者らのモデルが最先端のモデルより優れていることを示した。Copyright The Author(s), under exclusive licence to Springer Science+Business Media, LLC, part of Springer Nature 2021 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： *グラフ ,  *畳込み ,  著者 ,  *データ ,  *ネットワーク ,  構造 ,  多重化 ,  モデル ,  機械学習
準シソーラス用語： 関節モデル ,  マルチタスク学習 ,  *エンティティ , 【Automatic Indexing@JST】

著者キーワード (4件)： GCN ,  マルチタスク学習 ,  注意機構 ,  重複関係

分類 (2件)： グラフ理論基礎  (IA02020S) ,  ネットワーク法  (KA03040X)

タイトルに関連する用語 (3件)： グラフ ,  畳込み ,  エンティティ