文献

J-GLOBAL ID：202202288291173929   整理番号：22A0416835

マルチヘッド自己注意とゲート機構に基づく遠隔教師付き関係抽出【JST・京大機械翻訳】

Distantly Supervised Relation Extraction Based on Multi-head Self-attention and Gate Mechanism

著者 (5件)： Xu Fengzhu (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Li Meijing (College of Information Engineering, Shanghai Maritime University, Shanghai, China) ,  Ryu Keun Ho (Data Science Laboratory, Faculty of Information Technology, Ton Duc Thang University, Ho Chi Minh, Vietnam) ,  Ryu Keun Ho (Biomedical Engineering Institute, Chiang Mai University, Chiang Mai, Thailand) ,  Ryu Keun Ho (Department of Computer Science, College of Electrical and Computer Engineering, Chungbuk National University, Cheongju, Korea)
資料名： Lecture Notes in Electrical Engineering  (Lecture Notes in Electrical Engineering)
巻： 833  ページ： 189-199  発行年： 2022年 
JST資料番号： W5070A  ISSN： 1876-1100  資料種別： 会議録 (C)
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： 遠隔監視関係抽出の分野において,PCNN(区分的畳込みニューラルネットワーク)は,通常,文章の局所特徴のトラップに含まれて,良い結果を達成した。しかしながら,既存のPCNNベースの方法は,文章における長距離相互依存性の特徴を把握することができず,関係分類に及ぼすPCNNの3つのセグメントの影響を区別できず,それは,おそらく,いくつかの不可欠な情報を欠いている。上記の2つの問題に取り組むために,著者らは,遠隔教師つき関係抽出のために,マルチヘッド自己注意とゲート機構を有する新モデルに着目する。最初に,文章における長距離相互依存性の特徴を把握するために,著者らはPCNNモデルにおける内部マルチヘッド自己注意を採用して,それは種々の表現部分空間における情報をグラブすることができた。第2に,関係分類に及ぼす区分的最大プール出力の3つのセグメントの影響を区別するために,ゲート機構を導入して,3つのセグメントに異なる重みを割り当てて,重要なセグメントを強調した。一連の実験の後,著者らが提示したモデルは,各評価基準に関する以前のアプローチより良好であることを証明した。Copyright The Author(s), under exclusive license to Springer Nature Singapore Pte Ltd. 2022 Translated from English into Japanese by JST.【JST・京大機械翻訳】

シソーラス用語： 評価基準 ,  *遠隔監視
準シソーラス用語： グラブ ,  畳込みニューラルネットワーク ,  マルチヘッド , 【Automatic Indexing@JST】

著者キーワード (4件)： マルチヘッド自己注意 ,  ゲート機構 ,  関係抽出 ,  遠隔監視

分類 (2件)： 人工知能  (JE08000Z) ,  パターン認識  (JE07000S)

タイトルに関連する用語 (6件)： マルチヘッド ,  自己 ,  注意 ,  ゲート ,  教師 ,  関係抽出