論文の概要: Event Extraction by Answering (Almost) Natural Questions

• arxiv url: http://arxiv.org/abs/2004.13625v2
• Date: Thu, 4 Feb 2021 23:17:22 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-08 22:59:28.151324
• Title: Event Extraction by Answering (Almost) Natural Questions
• Title（参考訳）: 回答(ほぼ)自然質問によるイベント抽出
• Authors: Xinya Du and Claire Cardie
• Abstract要約: 質問応答(QA)タスクとして定式化することで,イベント抽出のための新しいパラダイムを導入する。 実験結果から,我々のフレームワークは先行手法を著しく上回っていることが明らかとなった。
• 参考スコア（独自算出の注目度）: 40.13163091122463
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The problem of event extraction requires detecting the event trigger and extracting its corresponding arguments. Existing work in event argument extraction typically relies heavily on entity recognition as a preprocessing/concurrent step, causing the well-known problem of error propagation. To avoid this issue, we introduce a new paradigm for event extraction by formulating it as a question answering (QA) task that extracts the event arguments in an end-to-end manner. Empirical results demonstrate that our framework outperforms prior methods substantially; in addition, it is capable of extracting event arguments for roles not seen at training time (zero-shot learning setting).
• Abstract（参考訳）: イベント抽出の問題は、イベントトリガを検出し、対応する引数を抽出する必要がある。 イベント引数抽出における既存の作業は、通常、前処理/同時処理ステップとしてのエンティティ認識に大きく依存する。 この問題を回避するため,我々は,イベント引数をエンドツーエンドで抽出する質問応答(qa)タスクとして定式化することにより,イベント抽出の新しいパラダイムを導入する。 実験の結果、我々のフレームワークは事前の手法よりも大幅に優れており、トレーニング時に見られない役割(ゼロショット学習環境)のイベント引数を抽出できることがわかった。

関連論文リスト

• Event Extraction as Question Generation and Answering [72.04433206754489]
  イベント抽出に関する最近の研究は、質問回答(QA)としてタスクを再編成した。 そこで我々は,QGA-EEを提案する。QGモデルにより,定型テンプレートを使わずに,リッチな文脈情報を含む質問を生成することができる。 実験の結果、QGA-EEはACE05の英語データセットで以前のシングルタスクベースのモデルよりも優れていた。
  論文  参考訳（メタデータ） (2023-07-10T01:46:15Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• CasEE: A Joint Learning Framework with Cascade Decoding for Overlapping Event Extraction [9.300138832652658]
  イベント抽出(EE)は、テキスト中のイベント情報を抽出することを目的とした重要な情報抽出タスクである。 この研究は現実的な事象重なり合う問題を体系的に研究し、ある単語が異なる役割を持つ複数の型や引数を持つ引き金として機能する可能性がある。 本稿では,CasEEと呼ばれるイベント抽出を重畳するカスケードデコードを用いた新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-04T10:01:55Z)
• Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
  本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。 我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。 実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-23T13:24:39Z)
• Probing and Fine-tuning Reading Comprehension Models for Few-shot Event Extraction [17.548548562222766]
  イベント抽出のための読解フレームワークを提案する。 適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。 本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-21T21:48:39Z)
• Event Coreference Resolution via a Multi-loss Neural Network without Using Argument Information [23.533310981207446]
  イベントコア参照解決(ECR)は自然言語処理(NLP)において重要な課題である 本稿では、文書内イベントコア参照解決タスクを行うために、引数情報を必要としないマルチロスニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-22T02:48:48Z)
• Event Arguments Extraction via Dilate Gated Convolutional Neural Network with Enhanced Local Features [13.862428694544635]
  イベント抽出は、世界を理解するために情報抽出において重要な役割を果たす。 本研究では,多層ゲート型畳み込みニューラルネットワーク(EE-DGCNN)に基づくイベント抽出手法を提案する。 実験では、実世界のデータセット上での最先端のイベント抽出アプローチを超えて、大幅なパフォーマンス向上が示された。
  論文  参考訳（メタデータ） (2020-06-02T18:05:34Z)

関連論文リストは本サイト内にある論文のタイトル・アブストラクトから自動的に作成しています。

指定された論文の情報です。
本サイトの運営者は本サイト（すべての情報・翻訳含む）の品質を保証せず、本サイト（すべての情報・翻訳含む）を使用して発生したあらゆる結果について一切の責任を負いません。