Comparative Analysis of Contextual Relation Extraction based on Deep Learning Models

要約

コンテキスト関係抽出 (CRE) は、主にオントロジーを利用してナレッジ グラフを構築するために使用されます。
セマンティック検索、クエリ応答、テキスト含意などのさまざまなタスクを実行します。
関係抽出では、生のテキストからエンティティとエンティティ間の関係を特定します。
効率的かつ正確な CRE システムは、生物医学産業における専門知識の創出に不可欠です。
既存の機械学習および自然言語処理 (NLP) 技術は、3 つ以上の関係と不特定のエンティティで構成される文から複雑な関係を効率的に予測するのには適していません。
この研究では、深層学習技術を使用して、複数の文のコンテキストに基づいて適切な意味関係を特定しました。
関係抽出にはさまざまな機械学習モデルが使用されていますが、それらは二項関係、つまり文内の 2 つのエンティティ間で関係が正確に発生した場合にのみ、より良い結果を提供します。
機械学習モデルは、さまざまな意味を持つ単語で構成される複雑な文には適していません。
これらの問題に対処するために、ハイブリッド深層学習モデルを使用して、複雑な文から関係を効果的に抽出しました。
このペーパーでは、関係抽出に使用されるさまざまな深層学習モデルの分析について検討します。

要約(オリジナル)

Contextual Relation Extraction (CRE) is mainly used for constructing a knowledge graph with a help of ontology. It performs various tasks such as semantic search, query answering, and textual entailment. Relation extraction identifies the entities from raw texts and the relations among them. An efficient and accurate CRE system is essential for creating domain knowledge in the biomedical industry. Existing Machine Learning and Natural Language Processing (NLP) techniques are not suitable to predict complex relations from sentences that consist of more than two relations and unspecified entities efficiently. In this work, deep learning techniques have been used to identify the appropriate semantic relation based on the context from multiple sentences. Even though various machine learning models have been used for relation extraction, they provide better results only for binary relations, i.e., relations occurred exactly between the two entities in a sentence. Machine learning models are not suited for complex sentences that consist of the words that have various meanings. To address these issues, hybrid deep learning models have been used to extract the relations from complex sentence effectively. This paper explores the analysis of various deep learning models that are used for relation extraction.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google