선택한 단어 수는 입니다.
최소 단어 이상 선택하여야 합니다.
최소 단어 이상 선택하여야 합니다.
선택한 단어 수는 30입니다.
최대 10 단어까지만 선택 가능합니다.
최대 10 단어까지만 선택 가능합니다.
문제 정의
- 하지만 BOA는 릴레이션별로 가장 높은 신뢰도를 가지는 1개의 패턴만을 추출하여 사용하였다. BOA는 가장정확한 패턴만을 사용함으로써 최종적으로 생성되는트리플들의 품질을 높이고자 하였다. 하지만 각 릴레이션별로 하나의 패턴만이 사용되므로 상대적으로 커버리지가 매우 낮다는 단점이 있다.
- 하지만 TransH에서 초평면에 엔티티들을 투영시키는 것 대신에 TransRe 각 릴레이션별로 정의된 새로운 벡터 공간에 엔티티들을 투영시킴으로써 그리고 각각의 엔티티들이 이 공간들로 사상될 수 있도록 하는 사상배열 Mr 을 도입하였다. TransR 또한 TransH와 동일하게 관계별로 서로 다른 공간을 가질 수 있도록 함으로써 TransE 의 한계를 극복하고자 하였다. TransH는 각 릴레이션 공간이 hyperplane으로 정의되어 엔티티들 공간의 부분 공간에서만 정의될 수 있었다.
- [13] 역시 distant supervision 기반의 관계추출 시스템 WOE를 제안하였다. WOE는 NELL, BOA 와 다르게 문장의 의존관계 트리로부터 패턴을 생성하여 먼 거리의존 관계(long dependency problem) 문제를 해결하고자 하였다. 하지만 WOE 역시 패턴의 신뢰도 측정을 위하여 단순 통계값을 활용하였다.
- 이를 해결하기 위해서 distant supervision 가정을 도입한 대부분의 연구들은 동일한 릴레이션을 가진 인스턴스들을 통합하여 하나의 일반화된 모델을 만드는대신 복수의 템플릿화된 패턴 형태의 모델을 사용한다. 그리고 이 패턴들의 신뢰도를 측정하고 낮은 신뢰도를 가지는 패턴을 배제함으로써 잘못된 학습데이터로부터 기인하는 오류를 줄이고자 하였다. 결국 distant supervision에서는 패턴과 신뢰도 측정을 어떻게 하느냐가 성능에 가장 큰 영향을 끼친다.
- 사상하는 방법이다. 그리고 트리플을 구성하고있는 엔티티와 릴레이션 관계가 산술적인 연산이 가능하도록 한다. 이를 통해 트리플에 포함되는 엔티티들과 릴레이션 조합의 적합도를 측정할 수 있어, 이를이용으로 새로운 트리플의 추출을 가능하게 한다.
- 이와 달리 관계예측은 주어진 지식 베이스만을 활용하여, 엔티티들 사이의 누락되어 있는 관계를 예측함으로써 새로운트리플을 생성한다. 본 논문에서는 관계 추출과 관계예측의 관련 연구들을 소개하면서 트리플 생성을 위한 다양한 기법들을 소개한다.
가설 설정
- 모델이다 [19]. TransE에서는 지식 그래프에 포함되어 있는 엔티티와 릴레이션 같은 모든 요소들이 동일한 하나의 공간에 존재한다고 가정하였다, 그림 5 는 TransE로 학습된 벡터 표현들을 보여준다. TransE 는 이와 같은 벡터 표현들을 학습하기 위하여 다음과 같은 스코어 함수를 사용하였다.
※ AI-Helper는 부적절한 답변을 할 수 있습니다.