A Comprehensive Survey on Deep Learning for Relation Extraction: Recent Advances and New Frontiers

要約

関係抽出 (RE) には、非構造化テキストからエンティティ間の関係を特定することが含まれます。
RE は、ナレッジ グラフの補完、質問応答、情報検索など、多くの自然言語処理 (NLP) アプリケーションの基盤として機能します。
近年、ディープ ニューラル ネットワークが RE の分野を席巻し、顕著な進歩を遂げています。
その後、大規模な事前トレーニング済み言語モデル (PLM) により、最先端の RE が新たなレベルに引き上げられました。
この調査は、RE 向けの既存の深層学習技術の包括的なレビューを提供します。
まず、再生可能エネルギー データセットや評価指標などの再生可能エネルギー リソースを紹介します。
次に、既存の著作物を 3 つの観点 (テキスト表現、文脈エンコーディング、トリプレット予測) から分類するための新しい分類法を提案します。
第三に、RE が直面するいくつかの重要な課題について説明し、これらの課題に取り組むための潜在的な手法をまとめます。
最後に、この分野におけるいくつかの有望な将来の方向性と展望について概説します。
この調査により、現実の再生可能エネルギーシステムの課題に取り組む研究者の協力的な取り組みが促進されることが期待されています。

要約(オリジナル)

Relation extraction (RE) involves identifying the relations between entities from unstructured texts. RE serves as the foundation for many natural language processing (NLP) applications, such as knowledge graph completion, question answering, and information retrieval. In recent years, deep neural networks have dominated the field of RE and made noticeable progress. Subsequently, the large pre-trained language models (PLMs) have taken the state-of-the-art of RE to a new level. This survey provides a comprehensive review of existing deep learning techniques for RE. First, we introduce RE resources, including RE datasets and evaluation metrics. Second, we propose a new taxonomy to categorize existing works from three perspectives (text representation, context encoding, and triplet prediction). Third, we discuss several important challenges faced by RE and summarize potential techniques to tackle these challenges. Finally, we outline some promising future directions and prospects in this field. This survey is expected to facilitate researchers’ collaborative efforts to tackle the challenges of real-life RE systems.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google