Graph Neural Networkを用いた未知エンティティの表現獲得について

• Item type: SIG Technical Reports(1)
• 公開日: 2017-05-08
• タイトル: Graph Neural Networkを用いた未知エンティティの表現獲得について
• 言語: jpn
• 資源タイプ / 資源タイプ識別子: http://purl.org/coar/resource_type/c_18gh
• 資源タイプ: technical report
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: Recruit Institute of Technology
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属: 奈良先端科学技術大学院大学
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Recruit Institute of Technology
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者所属(英): en
• 著者所属(英): Nara Institute of Science and Technology
• 著者名: 濱口, 拓男; 大岩, 秀和; 新保, 仁; 松本, 裕治
• 著者名(英): Takuo, Hamaguchi; Hidekazu, Oiwa; Masashi, Shimbo; Yuji, Matsumoto
• 論文抄録 / 内容記述タイプ: Other
• 論文抄録 / 内容記述: 知識ベース補完は知識ベース内で欠落している情報を推定するタスクである．本論文では知識ベース補完における未知 entity 問題を扱う．未知 entity 問題とは，訓練データに含まれない entity が予測時に与えられた場合，その entity に関する知識をどのようにして獲得するのかという問題である．埋め込みに基づいた知識ベース補完の既存手法は，予測時に与えられる entity はすべて訓練データ中に出現している仮定を置いているため，未知 entity の表現をどう獲得するかは明らかではなかった．今回我々は再度モデルを学習するということなく，この未知 entity 問題を解決する．具体的には，未知 entity に関する補助的な知識を用いることで知識グラフ上の Graph neural network を構築し，既存の表現から知識を転用することで未知 entity に関する表現を得る．我々は未知 entity の実験において提案する手法の効果を示した．また WordNet データを用いた標準的な知識ベース補完の設定の下でも，先行研究に比較して良い精度を示した．
• 書誌レコードID / 収録物識別子タイプ: NCID
• 書誌レコードID / 収録物識別子: AN10115061
• 書誌情報: 研究報告自然言語処理（NL）; 巻 2017-NL-231, 号 20, p. 1-8, 発行日 2017-05-08
• ISSN / 収録物識別子タイプ: ISSN
• ISSN / 収録物識別子: 2188-8779
• Notice: SIG Technical Reports are nonrefereed and hence may later appear in any journals, conferences, symposia, etc.
• 出版者 / 言語: ja
• 出版者: 情報処理学会