論文の概要: Detecting Ongoing Events Using Contextual Word and Sentence Embeddings
- arxiv url: http://arxiv.org/abs/2007.01379v2
- Date: Fri, 5 Feb 2021 19:51:11 GMT
- ステータス: 処理完了
- システム内更新日: 2022-11-14 13:06:50.783605
- Title: Detecting Ongoing Events Using Contextual Word and Sentence Embeddings
- Title(参考訳): 文脈語と文埋め込みを用いたイベント検出
- Authors: Mariano Maisonnave, Fernando Delbianco, Fernando Tohm\'e, Ana
Maguitman, Evangelos Milios
- Abstract要約: 本稿では,OED(Ongoing Event Detection)タスクを紹介する。
目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。
構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
- 参考スコア(独自算出の注目度): 110.83289076967895
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: This paper introduces the Ongoing Event Detection (OED) task, which is a
specific Event Detection task where the goal is to detect ongoing event
mentions only, as opposed to historical, future, hypothetical, or other forms
or events that are neither fresh nor current. Any application that needs to
extract structured information about ongoing events from unstructured texts can
take advantage of an OED system. The main contribution of this paper are the
following: (1) it introduces the OED task along with a dataset manually labeled
for the task; (2) it presents the design and implementation of an RNN model for
the task that uses BERT embeddings to define contextual word and contextual
sentence embeddings as attributes, which to the best of our knowledge were
never used before for detecting ongoing events in news; (3) it presents an
extensive empirical evaluation that includes (i) the exploration of different
architectures and hyperparameters, (ii) an ablation test to study the impact of
each attribute, and (iii) a comparison with a replication of a state-of-the-art
model. The results offer several insights into the importance of contextual
embeddings and indicate that the proposed approach is effective in the OED
task, outperforming the baseline models.
- Abstract(参考訳): 本稿では,イベント検出タスクであるOED(Ongoing Event Detection)タスクについて紹介する。このタスクは,イベントの参照のみを検出することを目標とする特定のイベント検出タスクである。
非構造化テキストから進行中のイベントに関する構造化情報を抽出する必要のあるアプリケーションは、oedシステムを利用することができる。
本論文の主な貢献は,(1)OEDタスクをタスクに手動でラベル付けしたデータセットとともに導入すること,(2) BERT埋め込みを用いたタスクのためのRNNモデルの設計と実装を,属性として定義すること,(3) ニュースの現在進行中の出来事を検出するために,私たちの知識の最高のものを使用したことがなかったこと,(3) を含む広範な経験的評価を示すこと,である。
(i)異なるアーキテクチャとハイパーパラメータの探索
(ii)各属性の影響を研究するためのアブレーション試験、及び
(iii)最先端モデルの複製との比較。
その結果,コンテキスト埋め込みの重要性についていくつかの知見が得られ,提案手法がOEDタスクに有効であることが示唆された。
関連論文リスト
- Document-level Causal Relation Extraction with Knowledge-guided Binary Question Answering [13.835512118463164]
イベント因果関係抽出(英: Event-Event Causal Relation extract, ECRE)は、自然言語テキストにおけるイベント参照間の因果関係の識別と分類を目的としている。
ECREに関する既存の研究は、文書レベルのモデリングと因果幻覚の欠如を含む2つの重要な課題を強調している。
イベント構造構築と2段階質問解答の2段階からなるイベント構造を持つ知識誘導二元質問解答法(KnowQA)を提案する。
論文 参考訳(メタデータ) (2024-10-07T05:07:48Z) - On Task-personalized Multimodal Few-shot Learning for Visually-rich
Document Entity Retrieval [59.25292920967197]
VDER(Few-shot document entity search)は、NLPアプリケーションにおいて重要なトピックである。
FewVEXは、エンティティレベルの少数ショットVDERの分野における将来の研究を促進するための、新しいデータセットである。
本稿では,タスクパーソナライズを効果的に実現することを中心に,タスク認識型メタラーニングベースのフレームワークを提案する。
論文 参考訳(メタデータ) (2023-11-01T17:51:43Z) - MsPrompt: Multi-step Prompt Learning for Debiasing Few-shot Event
Detection [16.98619925632727]
イベント検出(ED)は、構造化されていないテキストでキートリガーワードを特定し、それに従ってイベントタイプを予測することを目的としている。
従来のEDモデルは、ラベル付きデータが不足している実際のアプリケーションに対応するには、データ不足が多すぎる。
本稿では,複数ステップのプロンプト学習モデル(MsPrompt)を提案する。
論文 参考訳(メタデータ) (2023-05-16T10:19:12Z) - Semantic Pivoting Model for Effective Event Detection [19.205550116466604]
Event Detectionは、構造化されていない記事からイベントインスタンスの参照を識別し、分類することを目的としている。
イベント検出の既存のテクニックは、イベントタイプクラスを表現するために、均質な1ホットベクトルのみを使用しており、型の意味がタスクにとって重要であるという事実を無視している。
本稿では,学習中の事前情報を明示的に組み込んで,入力とイベント間の意味的に意味のある相関関係を捉えるセマンティック・ピロリング・モデル(SPEED)を提案する。
論文 参考訳(メタデータ) (2022-11-01T19:20:34Z) - Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。
我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
論文 参考訳(メタデータ) (2022-10-12T14:37:00Z) - TAGPRIME: A Unified Framework for Relational Structure Extraction [71.88926365652034]
TAGPRIMEは、与えられた条件に関する情報を入力テキストに追加するシーケンスタグ付けモデルである。
事前学習された言語モデルにおける自己認識機構により、プライミングワードは、出力された文脈化された表現に、与えられた条件に関するより多くの情報を含む。
5つの異なる言語にまたがる10のデータセットをカバーする3つのタスクに関する大規模な実験と分析は、TAGPRIMEの汎用性と有効性を示している。
論文 参考訳(メタデータ) (2022-05-25T08:57:46Z) - PILED: An Identify-and-Localize Framework for Few-Shot Event Detection [79.66042333016478]
本研究では,事前学習した言語モデルから事象関連知識を引き出すために,クローゼプロンプトを用いた。
型固有のパラメータの数を最小化し、新しい型に対するイベント検出タスクに迅速に適応できるようにします。
論文 参考訳(メタデータ) (2022-02-15T18:01:39Z) - Transformer-Based Approach for Joint Handwriting and Named Entity
Recognition in Historical documents [1.7491858164568674]
本研究は,手書き文書における名前付きエンティティ認識にトランスフォーマネットワークを採用した最初のアプローチを示す。
我々は,Esposalles データベースを用いた ICDAR 2017 Information extract コンペティションにおいて,新しい最先端性能を実現する。
論文 参考訳(メタデータ) (2021-12-08T09:26:21Z) - Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。
我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
論文 参考訳(メタデータ) (2021-09-13T20:50:37Z) - Within-Document Event Coreference with BERT-Based Contextualized Representations [2.3020018305241337]
イベントのコア推論は、情報抽出において難しい問題であり続けている。
文脈化された言語表現の最近の進歩は多くのタスクで成功している。
本稿では、事前訓練されたBERTモデルから導出された表現を用いて、ニューラルネットワークの分類器を訓練し、コア参照連鎖を生成する3つのアプローチを提案する。
論文 参考訳(メタデータ) (2021-02-15T21:12:43Z)
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。