GLiREL — Generalist Model for Zero-Shot Relation Extraction

要約

ゼロショット関係分類のための効率的なアーキテクチャおよびトレーニング パラダイムである GLiREL (ゼロショット関係抽出のためのジェネラリスト軽量モデル) を紹介します。
ゼロショット固有表現認識の最近の進歩に触発されたこの研究は、単一の前方パスで複数のエンティティ間のゼロショット関係ラベルを効率的かつ正確に予測するアプローチを提示します。
FewRel および WikiZSL ベンチマークを使用した実験は、私たちのアプローチがゼロショット関係分類タスクで最先端の結果を達成することを示しています。
さらに、多様な関係ラベルを持つデータセットを合成的に生成するためのプロトコルにも貢献します。

要約(オリジナル)

We introduce GLiREL (Generalist Lightweight model for zero-shot Relation Extraction), an efficient architecture and training paradigm for zero-shot relation classification. Inspired by recent advancements in zero-shot named entity recognition, this work presents an approach to efficiently and accurately predict zero-shot relationship labels between multiple entities in a single forward pass. Experiments using the FewRel and WikiZSL benchmarks demonstrate that our approach achieves state-of-the-art results on the zero-shot relation classification task. In addition, we contribute a protocol for synthetically-generating datasets with diverse relation labels.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google