oratosa / papers Goto Github PK
View Code? Open in Web Editor NEWReviews of papers
Reviews of papers
論文タイトル
Enriching Structured Knowledge with Open Information (WWW '15)
著者(所属)
Dutta, Arnab, Christian Meilicke, and Heiner Stuckenschmidt.
論文PDF/ランディングページへのリンク
https://dl.acm.org/doi/pdf/10.1145/2736277.2741139
論文まとめ(落合フォーマット準拠)
論文タイトル
Query Expansion with Freebase (ICTIR ’15)
著者(所属)
Chenyan Xiong and Jamie Callan.
論文PDF/ランディングページへのリンク
https://dl.acm.org/doi/pdf/10.1145/2808194.2809446
論文まとめ(落合フォーマット準拠)
論文タイトル
Open Information Extraction on Scientific Text : An Evaluation (COLING’18)
著者(所属)
Paul Groth, Mike Lauruhn, Antony Scerri, Ron Daniel Jr.
論文PDF/ランディングページへのリンク
https://www.aclweb.org/anthology/C18-1289/
論文まとめ(落合フォーマット準拠)
論文タイトル
Document Retrieval Using Entity-Based Language Models (SIGIR'16)
著者(所属)
Raviv, Hadas, Oren Kurland, and David Carmel.
論文PDF/ランディングページへのリンク
https://dl.acm.org/doi/pdf/10.1145/2911451.2911508
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
アドホックなドキュメント検索タスクに対して,新しいentity-based language modelを提案した論文.
提案モデルで何がしたいか:entity-linkingによるエンティティの特定は語彙の多義性により必ずしも文脈において正解を保証しないので信頼度を与える. そして,termをtermのまま扱うのがいいのか,entityとして扱うのがいいのか,そのバランスを考慮できるようにする.
先行研究と比べてどこがすごい?
entity-linkingを取り入れた手法は広く使われているが,表面的に特定されたentityを利用するメリットについては,はっきりとした説明・結論が出ていなかったので,この研究では,特定されたentityに信頼度を与えることで,それに応える
この手法は,cluster-based document retrievalやquery expansionへの応用も有効なこと.
技術や手法のキモはどこ?
エンティティと単なるトークンの両方に信頼度を与えていく.信頼度は言語モデルを利用して付与する.
ドキュメントとクエリの類似度はクロスエントロピーで評価してランキングする.
また別の方法として,エンティティだけの信頼度を持つクエリとドキュメント,トークン(term)だけの信頼度を持つクエリとドキュメント,それぞれをクロスエントロピーで評価し,ウェイトを調整して足し合わせた評価を使ってランキングすることもできる.
どうやって有効だと検証した?
ベースラインは,term-based unigram language model retrievalのTermsLM,state-of-the-artのsequential dependence modelのSDMなど.
データセットはTRECの6種類のデータセット.
結果は,トークンとエンティティのそれぞれに信頼度を付与する方法が最もよかった
議論はある?
次に読むべき論文は?
論文タイトル
Finding Relevant Relations in Relevant Documents (ECIR '16)
著者(所属)
Schuhmacher, M., Roth, B., Ponzetto, S. P., & Dietz, L.
論文PDF/ランディングページへのリンク
https://link.springer.com/content/pdf/10.1007%2F978-3-319-30671-1_49.pdf
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
クエリに特化したKBの構築に関する論文.
具体的なタスクイメージ
先行研究と比べてどこがすごい?
WebコーパスからQuery-specificなKBを構築する初めての論文.
ドキュメントから取り出された既存のKBにはない未知のFactについても対象としているので,先行研究にあるようなKBのエンティティ間の関係を説明するタスクとは異なる.
また,エンティティとアドホッククエリの関係性を説明するタスクとも異なり,この論文ではドキュメント内のエンティティ間の関係性を扱う.
技術や手法のキモはどこ?
Document RetrievalとRelation Extractionのstate-of-the-artな手法を組み合わせている.
Document Retrievalは,Sequential dependence model(SDM)にクエリ拡張手法を合わせた(SDM-RM3,WikiRM1)ものを利用した.
Relation Extractionは,エンティティリンク済みのFACC1のデータに対して,RelationFactoryというツールを用いた.
どうやって有効だと検証した?
(実験の説明がよく理解できない)
ファクト抽出の正確性と,クエリとファクトの関係性の評価をそれぞれ個別に評価している.
ファクト抽出の正確性は,17のクエリに対して,言及された914ファクトと出所となる2658文について,一人のアノテーターが評価し,結果は49.6%のファクトが正確だと判断された.
クエリとファクトの関係性の評価は,
なお,クエリはTREC Web track,ドキュメントはClueWeb12を基に,リレーションファクト評価のためにaugmentを行なったものを使用している.
議論はある?
brah brah brah
次に読むべき論文は?
brah brah brah
論文タイトル
Entity Query Feature Expansion using Knowledge Base Links (SIGIR '14)
著者(所属)
Jeffrey Dalton, Laura Dietz, James Allan
(Center for Intelligent Information Retrieval, School of Computer Science, University of Massachusetts Amherst, Amherst, Massachusetts)
論文PDF/ランディングページへのリンク
https://dl.acm.org/doi/10.1145/2600428.2609628
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
テキスト内のエンティティとアノテーションされた情報を使ってドキュメント検索をどのように向上させるかという問題に対して取り組んでいる(2014年時点では,open research areaとのこと).
先行研究と比べてどこがすごい?
クエリ拡張にエンティティリンキングによって取得できるKBの情報を利用したおそらく最初の研究.
技術や手法のキモはどこ?
エンティティに関する様々な特徴量を対数線型モデルに組み込み,情報取得に最適となるように学習を行なった(Learning-to-rank)
どうやって有効だと検証した?
ベースライン手法は,Sequencial Dependence Model(SDM),その他2つの手法で比較した.
データセットは,Robust04,ClueWeb09,ClueWeb12で,Titleに記載されている単語をクエリとした.
MAP, Precision@20, NDCG@20で評価し,有意な差で提案手法がよいと主張しているが,実用的に優位かは微妙な印象.
議論はある?
Entity linkingの精度に依存してしまうこと.
次に読むべき論文は?
Schuhmacher, Michael, Laura Dietz, and Simone Paolo Ponzetto. "Ranking entities for web queries through text and knowledge." Proceedings of the 24th ACM international on conference on information and knowledge management. 2015.
論文タイトル
Supervised Open Information Extraction (NAACL'18)
著者(所属)
Gabriel Stanovsky, Julian Michael, Luke Zettlemoyer, Ido Dagan
論文PDF/ランディングページへのリンク
https://www.aclweb.org/anthology/N18-1081/
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
AllenNLPのInformation Extractionモジュールの基となる論文で,教師あり学習を適用したOpen Information Extractionの手法と新しいデータセットを提案.
先行研究と比べてどこがすごい?
先行研究のOpenIEは,半教師あり学習やルールベースの手法だが,今回は教師あり学習のアプローチで,パフォーマンスも向上させることができた.
Question-answer driven semantic role labeling(QA-SRL)による自動変換技術を拡張し,QAMRコーパス(幅広いpredicate-argument構造をカバーしたQA-SRLの一種)に適用し,巨大で多様なラベル付きコーパス(データセット)を生成した.
技術や手法のキモはどこ?
OpenIEをシーケンスに対するタグ付けの問題(Sequence tagging problem)とみなし,1つの述語に対する複数の抽出を符号化する問題として解いた.
開発したbi-LSTM 変換器は,deep Semantic Role LabelingモデルをOpen IEタプルに拡張子,そのPrecision-Recallのトレードオフを調整するための確信度を提供する.
どうやって有効だと検証した?
brah brah brah
議論はある?
brah brah brah
次に読むべき論文は?
brah brah brah
論文タイトル
Open Information Extraction from the Web (IJCAI '07)
著者(所属)
Michele Banko, Michael J Cafarella, Stephen Soderland, Matt Broadhead and Oren Etzioni
論文PDF/ランディングページへのリンク
https://my.eng.utah.edu/~cs6961/papers/banko-ijca07.pdf
論文まとめ(落合フォーマット準拠)
論文タイトル
Knowledge Graph Construction from Unstructured Text with Applications to Fact Verification and Beyond
著者(所属)
Ryan Clancy, Ihab F. Ilyas, Jimmy Lin
論文PDF/ランディングページへのリンク
https://www.aclweb.org/anthology/D19-6607/
論文まとめ(落合フォーマット準拠)
論文タイトル
CESI: Canonicalizing Open Knowledge Bases using Embeddings and Side Information (WWW '18)
著者(所属)
Shikhar Vashishth, Prince Jain, Partha Talukdar
論文PDF/ランディングページへのリンク
https://arxiv.org/abs/1902.00172
論文まとめ(落合フォーマット準拠)
論文タイトル
Document Retrieval Model Through Semantic Linking (WSDM'17)
著者(所属)
Faezeh Ensan, Ebrahim Bagheri.
論文PDF/ランディングページへのリンク
https://dl.acm.org/doi/pdf/10.1145/3018661.3018692
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
Document retrievalに関する研究で,ドキュメントとクエリの意味的な関連性の導出手法を提案している.
先行研究と比べてどこがすごい?
ドキュメントが与えられた時のクエリの発生確率をbag-of-wordsモデルで考える研究に対して,entity-linkingを通じて得られるコンセプトの関係性でドキュメントとクエリの関係性を検討していることが新しい.
技術や手法のキモはどこ?
コアとなるアイデアは,ドキュメントのコンセプトとそれらコンセプト間の関係性を与えられた条件として,クエリ内に観察されるコンセプトの条件付き発生確率を見つけること,である.ここで,コンセプトはEntity linkingを通じて得るものとする.
CRF(Conditional Random Fields)のようなモデル(ノードがコンセプト,エッジが関係性)で,コンセプト間の依存関係を考える.
この手法により算出されるScoreは他のScoreに内挿することで,精度の向上に寄与する(したがって,実験でもベースライン手法に提案手法を内挿した結果を比較評価している)
どうやって有効だと検証した?
データセット:Robust04, FACCI-09, ClueWeb09-B, ClueWeb12-B
クエリ:各データセットのトピックのTitle Field
評価指標:Mean Average Precision,Precision@20,nDCG@20
ベースライン:Sequential Dependence Model(SDM),Relevance Model(RM3),Entity Query Feature Query Expansion(EQFE)
結果:MAPでSDM+SELM(提案手法)がSDM単体より,+9.2%の精度向上を主張しているが,MAP自体の値は0.2615->0.2858の変化で,実用上,効果があるといえるのかよくわからない.
議論はある?
クエリ意図の分析によって提案手法の精度向上,など
次に読むべき論文は?
ベースライン(SDM,EQFE)はどの論文でも出てくる印象.
論文タイトル
T2KG: An End-to-End System for creating Knowledge Graph from Unstructured Text(AAAI’17)
著者(所属)
Kertkeidkachorn, Natthawut, and Ryutaro Ichise
論文PDF/ランディングページへのリンク
https://aaai.org/ocs/index.php/WS/AAAIW17/paper/view/15129/14743
論文まとめ(落合フォーマット準拠)
どんなもの(どんな問題を解きたい)?
テキストデータ からの情報抽出から知識グラフの構築までを一貫したい
先行研究と比べてどこがすごい?
抽出された述語を,既存のKGの述語にマッピングするというモジュールを含めたフレームワークであること
技術や手法のキモはどこ?
ルールベースの述語マッピングに加えて,ベクトル表現した述語の類似度によるマッピングの手法を加えていること.これによって,Open-domainからの知識のスパースな性質に対応した
どうやって有効だと検証した?
議論はある?
エラー(正解データとは異なるトリプル)の原因を調べると,原因の35%がtriple抽出に関するものだった.
特に複雑な文で抽出精度が低い
次に読むべき論文は?
Exner, Peter, and Pierre Nugues. "Entity Extraction: From Unstructured Text to DBpedia RDF triples." WoLE@ ISWC. 2012.
論文タイトル
YAGO: A Multilingual Knowledge Base from Wikipedia, Wordnet, and Geonames (ISWC2016)
著者
Rebele, T., Suchanek, F., Hoffart, J., Biega, J., Kuzey, E., & Weikum, G.
論文PDF/ランディングページへのリンク
https://doi.org/10.1007/978-3-319-46547-0_19
論文まとめ(落合フォーマット準拠)
A declarative, efficient, and flexible JavaScript library for building user interfaces.
🖖 Vue.js is a progressive, incrementally-adoptable JavaScript framework for building UI on the web.
TypeScript is a superset of JavaScript that compiles to clean JavaScript output.
An Open Source Machine Learning Framework for Everyone
The Web framework for perfectionists with deadlines.
A PHP framework for web artisans
Bring data to life with SVG, Canvas and HTML. 📊📈🎉
JavaScript (JS) is a lightweight interpreted programming language with first-class functions.
Some thing interesting about web. New door for the world.
A server is a program made to process requests and deliver data to clients.
Machine learning is a way of modeling and interpreting data that allows a piece of software to respond intelligently.
Some thing interesting about visualization, use data art
Some thing interesting about game, make everyone happy.
We are working to build community through open source technology. NB: members must have two-factor auth.
Open source projects and samples from Microsoft.
Google ❤️ Open Source for everyone.
Alibaba Open Source for everyone
Data-Driven Documents codes.
China tencent open source team.