2ヶ月前

シーケンスとツリー構造を用いたLSTMによるエンドツーエンドの関係抽出

Makoto Miwa; Mohit Bansal
シーケンスとツリー構造を用いたLSTMによるエンドツーエンドの関係抽出
要約

私たちは、エンティティとそれらの間の関係を抽出するための新しいエンドツーエンドのニューラルモデルを提案します。当該モデルは、双方向シーケンシャルLSTM-RNNに双方向木構造LSTM-RNNを積み重ねることで、単語列と依存関係木の部分構造情報を両方捕捉します。これにより、当該モデルは共有パラメータを使用して単一のモデル内でエンティティと関係を同時に表現することができます。さらに、訓練中にエンティティ検出を促進し、関係抽出時にエンティティ情報を利用するために、エンティティ事前学習とスケジュールサンプリングを使用しています。当該モデルは、エンドツーエンドの関係抽出において最先端の特徴量ベースモデルよりも優れており、ACE2005ではF1値で12.1%、ACE2004では5.7%の相対的な誤差削減を達成しました。また、名詞間の関係分類(SemEval-2010 Task 8)においても、当該LSTM-RNNベースモデルは最先端のCNNベースモデル(F1値で)と比較して好ましい結果を示しています。最後に、いくつかのモデルコンポーネントに対する広範なアブレーション分析を提示します。