Loading article…
関係抽出タスクでは、通常はテキストまたはXMLドキュメントからのアーティファクトセット内の意味関係の言及を検出して分類する必要があります。このタスクは情報抽出(IE) のタスクと非常に似ていますが、IE では重複関係の削除 (曖昧さ回避) も必要であり、一般的には多くの異なる関係の抽出を指します。
コンセプトとアプリケーション
関係抽出の概念は、1998 年の第 7 回メッセージ理解会議で初めて導入されました。[1]関係抽出では、エンティティ間の関係を特定し、通常はバイナリ関係の抽出に重点が置かれます。[2]関係抽出が有用なアプリケーション領域には、遺伝子と疾患の関係、 [3]タンパク質間相互作用[4]など があります。
現在、関係抽出の研究では機械学習技術が使用されており、関係抽出を分類問題として捉えています。[1] Never-Ending Language Learningは、カーネギーメロン大学の研究チームによって開発された、オープンウェブから関係を抽出する セマンティック 機械学習 システムです。
アプローチ
関係性を抽出するために使用される方法はいくつかあり、その中にはテキストベースの関係性抽出が含まれます。これらの方法は、事前にトレーニングされた関係性構造情報の使用に依存しているか、または関係性を明らかにするために構造の学習を必要とする場合があります。[5]この問題に対する別のアプローチは、ドメインオントロジーの使用です。[6] [7]また、ソフトウェアユーザーの制御によりテーブルが自動的に並べ替えられると、データテーブルにリストされているオブジェクトのパラメトリック値の位置がシフトする、意味のある関係性を視覚的に検出するアプローチもあります。意味辞書（WordNet、UMLSなど）やドメインオントロジー（遺伝子オントロジーなど）などの構造化リソースに関連するカバレッジの低さ、希少性、および開発コストにより、Web上の広範で動的な背景知識に基づく新しいアプローチが生まれました。たとえば、ARCHILES手法[8]は、Wikipediaと検索エンジンのページ数のみを使用して粗粒度の関係を取得し、軽量のオントロジーを構築します。
関係は、さまざまな形式/言語を使用して表現できます。Web 上のデータを表現する言語の 1 つがRDFです。
最近では、エンティティ言及とその意味関係を共同で抽出することを学習するエンドツーエンドのシステムが提案されており、高いパフォーマンスが得られる可能性を秘めています。[9]
報告されたシステムのほとんどは英語のデータセットでそのアプローチを実証しているが、ロシア語[10] やベトナム語[11]など他の言語のデータとシステムも説明されている。
データセット
研究者たちは、関係性抽出法のベンチマークのために複数のデータセットを構築してきました。 [ 12] そのようなデータセットの1つは、2019年にリリースされたDocREDと呼ばれる文書レベルの関係性抽出データセットです。これは、Wikidataの関係と英語版Wikipediaのテキストを使用しています。[12] このデータセットは他の研究者によって使用されており、CodaLabで予測コンペが開催されています。[13] [14]
参照
参考文献
Scholia には、関係性抽出に関するトピックプロファイルがあります。
- ^ ab Ning, Huansheng (2019).サイバースペースのデータとインテリジェンス、サイバーリビング、症候群、健康：国際2019サイバースペース会議、CyberDIとCyberLife、北京、中国、2019年12月16〜18日、議事録、パートII 。シンガポール：Springer Nature。p.260。ISBN 978-981-15-1924-6。
- ^ Nasar, Zara; Jaffry, Syed Waqar; Malik, Muhammad Kamran (2021-02-11). 「名前付きエンティティの認識と関係抽出：最新技術」. ACM Computing Surveys . 54 (1): 20:1–20:39. doi :10.1145/3445965. ISSN 0360-0300. S2CID 233353895.
- ^ Hong-Woo Chun、Yoshimasa Tsuruoka、Jin-Dong Kim、Rie Shiba、Naoki Nagata、Teruyoshi Hishiki、Jun-ichi Tsujii (2006)。「ドメイン辞書と機械学習を使用した Medline からの遺伝子-疾患関係の抽出」。Pacific Symposium on Biocomputing。CiteSeerX 10.1.1.105.9656。
- ^ Minlie Huang、Xiaoyan Zhu、Yu Hao、Donald G. Payan、Kunbin Qu、Ming Li (2004)。「全文からタンパク質間相互作用を抽出するためのパターンの発見」。バイオインフォマティクス。20 ( 18): 3604–3612。doi : 10.1093/ bioinformatics /bth451。PMID 15284092。
- ^ Tickoo, Omesh; Iyer, Ravi (2016). 「センサーを理解する: ウェアラブルデバイスからデータセンターまでのエンドツーエンドのアルゴリズムとインフラストラクチャ設計」ポートランド: Apress. p. 68. ISBN 978-1-4302-6592-4。
- ^ TCRindflesch および L.Tanabe および JNWeinstein および L.Hunter (2000)。「EDGAR: 生物医学文献からの 薬物、遺伝子、関係の抽出」。Pacific Symposium on Biocomputing 誌。pp. 514–525。PMC 2709525。
- ^ C. Ramakrishnan、KJ Kochut、AP Sheth (2006)。「非構造化テキストからのスキーマ駆動型関係検出フレームワーク」。国際セマンティック ウェブ会議議事録。pp. 583–596。
- ^ W. Wong、W. Liu、M. Bennamoun (2009)。「Web を使用した意味関係の獲得による軽量オントロジーの構築」。第 13 回太平洋アジア知識発見およびデータマイニング会議 (PAKDD) 議事録。doi : 10.1007 /978-3-642-01307-2_26。
- ^ Dat Quoc Nguyen および Karin Verspoor (2019)。 「ディープ ビアフィン アテンションを使用したエンドツーエンドのニューラル関係抽出」。第 41 回ヨーロッパ情報検索会議 (ECIR) の議事録。arXiv : 1812.11275。doi :10.1007/978-3-030-15712-8_47。
- ^ Elena Bruches、Alexey Pauls、Tatiana Batura、Vladimir Isachenko（2020年12月14日）、ロシア語の科学技術テキストからのエンティティ認識と関係抽出（PDF）、arXiv：2011.09817、Wikidata Q104419957
- ^ Pham Quang Nhat Minh (2020年12月18日). 「VLSP 2020でのベトナム語関係抽出タスクに事前学習済みBERTモデルを使用する実証的研究」(PDF) . arXiv . arXiv : 2012.10275 . ISSN 2331-8422. Wikidata Q104418048.
- ^ ab Yuan Yao; Deming Ye; Peng Li; et al. (2019). DocRED: 大規模ドキュメントレベル関係抽出データセット(PDF) . pp. 764–777. arXiv : 1906.06127 . doi :10.18653/V1/P19-1074. ISBN 978-1-950737-48-2ウィキデータ Q104419388 。
{{cite book}}:|journal=無視されました (ヘルプ) - ^ 王徐;チェン・ケハイ。趙鉄軍（2020年12月21日）。 「再構成を伴うドキュメントレベルの関係抽出」(PDF)。arXiv。arXiv : 2012.11384。ISSN 2331-8422。ウィキデータ Q104417795。
- ^ “DocRED. コンペティション. CodaLab”.