知識主導のクロス・ドキュメント・リレーション・エクストラクション

Monika Jain¹, Raghava Mutharaju¹, Kuldeep Singh²

¹Knowledgeable Computing and Reasoning Lab, IIIT-Delhi, India.

Findings of ACL. ACL

|February 13, 2026

まとめ

この研究は,ドメインの知識を組み込むクロスドキュメント関係抽出 (CrossDocRE) の新しい方法であるKXDocREを紹介しています. このアプローチはパフォーマンスを改善し,解釈可能な関係予測を提供します.

科学分野:

自然言語処理 (Natural Language Processing) とは,自然言語処理で処理される言語のことです.
人工知能 (AI) とは,人工知能 (AI) のことです.
情報抽出情報抽出

背景:

関連抽出 (RE) は,通常,文または文書レベルのタスクです.
クロス・ドキュメント・リレーション・エキストラクション (CrossDocRE) は,REを複数の文書に拡張し,異なるテーマによるユニークな課題を提示します.
既存のCrossDocREの方法は,ドメイン知識の重要な役割を無視しています.

研究の目的:

ドメインの知識を統合したCrossDocREの新しいフレームワークであるKXDocREを提案する.
クロスドキュメントの関係抽出の性能と解釈性を向上させるため.
外部知識を取り入れることで,現在のCrossDocREのアプローチの限界に対処する.

主な方法:

エンティティドメインの知識を入力テキストに直接組み込むフレームワークであるKXDocREを開発しました.
構造化されたドメイン知識をCrossDocREプロセスに統合するための新しいアプローチを使用しました.
予測された関係を解釈するための説明文を生成するための実装方法.

主要な成果:

KXDocREは,CrossDocREの既存のベースライン方法と比較して,パフォーマンスの改善を示しています.
このフレームワークは,ドメインの知識を成功裏に組み込み,関係抽出の精度を高めています.
この方法は,解釈可能な出力を提供し,予測された関係の根拠を説明します.

結論:

ドメインの知識を統合することは,クロスドキュメントの関係抽出を進めるために非常に重要です.
KXDocREは,CrossDocREタスクのパフォーマンスと解釈性の両方を大幅に改善します.
提案された枠組みは,より洗練された,より知識豊富な情報抽出システムへの道を開きます.

さらに関連する動画