权益分类	功能权益	普通用户	{{item.name}}会员
{{category.name}}	{{benefitItem.name}}

Investigation of Ontology-Style Relation Annotation and Its Effects with Deep Learning

深度学习本体式关系标注及其效果研究

基本信息

批准号：
20K11942
负责人：
佐々木裕
金额：
$ 2.16万
依托单位：
Toyota Technological Institute
依托单位国家：
日本
项目类别：
Grant-in-Aid for Scientific Research (C)
财政年份：
2020
资助国家：
日本
起止时间：
2020-04-01 至 2024-03-31
项目状态：
已结题

项目摘要

本研究は，文書からの情報抽出を対象に，オントロジー形式のアノテーションにより作成された訓練データの効果を検証するものである．従来の関係アノテーションは2つの用語間に関係を付与してきたが，オントロジー形式のアノテーションでは関係用語と対象となる２つの用語をそれぞれdomain, rangeによりリンクする．これにより，関係の種類が少なくなり，用語抽出として関係の種類が識別できるようになる．1年目には，交通教則文すべてに対して，オントロジー形式のアノテーションを行った．また，BERTにより単語のベクトル化を行い，深層学習モデルによる用語・関係抽出の予備実験も実施した．2年目には，英語の関係抽出データに対してオントロジー形式のアノテーションを行った．関係抽出データとして，SemEval 2010タスク8のデータを対象とした．このデータは従来形式による関係アノテーションが付与されており，対象用語e1, e2に対して関係Rが有向グラフとして付与されており，この r→e1, r→e2の間にdomain, rangeの関係をアノテーションし，その効果を深層学習モデルにより検証した．2022年度は，交通教則文およびSemEvalデータへのアノテーションを一般に公開した．さらに，日本語交通教則に対するアノテーションを全面的に見直した．交通教則は通常の自然言語文として書かれているため，主語や目的語の省略が多数含まれている．特に，箇条書きではトピックとなっている対象が箇条書きでは省略され，遠隔の参照が発生していた．そこで，本研究の新しい試みとして，交通教則の文を正規化し，省略部分に対する遠隔の関係づけを低減する修正を行った．アノテーションの見直しは時間のかかる地道な作業であり，目立った成果ではないが研究的な価値は高い．これに沿ったアノテーションガイドラインの整備も実施した．

This study aims to demonstrate the effectiveness of information extraction from documents. The relationship between the two terms is assigned to the relationship between the two terms. The relationship between the two terms is assigned to the relationship between the two terms. In this case, the type of relationship is less, the term is extracted, and the type of relationship is identified. In this case, the traffic regulations are related to the type of relationship. For example, BERT is used to analyze the relationship between English and Chinese, and deep learning is used to analyze the relationship between English and Chinese. SemEval 2010 - 8 - 10 The relationship between R and R in terms of e1, e2 has a direct relationship with R. The relationship between R and e1, r and e2 has a direct relationship with R and R. In 2022, the relationship between R and e2 has a direct relationship with R. In 2022, the relationship between R and e1, r and e2 has a direct relationship with R. In 2022, the relationship between R and e2 has a direct relationship with R. In 2022, the relationship between R and e1, r and e2 has a direct relationship with R. In 2022, the relationship between R and e2 has a direct relationship with R. In 2022, the relationship between R and e1, r and e2 has a direct relationship with R. In 2022, the relationship between R and e2 has a direct relationship with R. In 2022, the relationship between R and e1, r and e2 has a direct relationship with R. In 2022, the relationship between R and e2 has a direct relationship with R. In 2022, the relationship The Japanese language traffic regulations are comprehensive. Traffic teaching rules are usually natural language text, subject and target language omission, mostly containing. In particular, a single article may be omitted from a single article, and a distant reference may be generated. This paper attempts to normalize the text of traffic rules and to reduce the distance between them. The results of the study are highly valued. This is the first time that we've seen this.