Fugu-MT 論文翻訳(概要): Event Presence Prediction Helps Trigger Detection Across Languages

論文の概要: Event Presence Prediction Helps Trigger Detection Across Languages

arxiv url: http://arxiv.org/abs/2009.07188v1
Date: Tue, 15 Sep 2020 15:52:21 GMT
ステータス: 処理完了
システム内更新日: 2022-10-18 06:05:15.543530
Title: Event Presence Prediction Helps Trigger Detection Across Languages
Title（参考訳）: 言語間のトリガー検出を支援するEvent Presence Prediction
Authors: Parul Awasthy and Tahira Naseem and Jian Ni and Taesun Moon and Radu Florian
Abstract要約: 本稿では,Transformerをベースとしたアーキテクチャが,シーケンスラベリングタスクとしてイベント抽出を効果的にモデル化できることを示す。本稿では,BERTに基づくイベント抽出モデルの性能を大幅に向上させる,文レベルとトークンレベルのトレーニング目標の組み合わせを提案する。
参考スコア（独自算出の注目度）: 13.06818350795583
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: The task of event detection and classification is central to most information retrieval applications. We show that a Transformer based architecture can effectively model event extraction as a sequence labeling task. We propose a combination of sentence level and token level training objectives that significantly boosts the performance of a BERT based event extraction model. Our approach achieves a new state-of-the-art performance on ACE 2005 data for English and Chinese. We also test our model on ERE Spanish, achieving an average gain of 2 absolute F1 points over prior best performing model.
Abstract（参考訳）: イベント検出と分類のタスクは、ほとんどの情報検索アプリケーションの中心である。トランスフォーマティブベースのアーキテクチャは,イベント抽出をシーケンスラベリングタスクとして効果的にモデル化できることを示す。本稿では,bertに基づくイベント抽出モデルの性能を著しく向上させる文レベルとトークンレベルのトレーニング目標の組み合わせを提案する。提案手法は,英語と中国語のACE 2005データに対する最先端性能を実現する。また、ere spanishでモデルをテストし、事前のベストパフォーマンスモデルよりも2つの絶対的なf1ポイントを獲得しました。

関連論文リスト

Unsupervised Pre-training with Language-Vision Prompts for Low-Data Instance Segmentation [105.23631749213729]
低データ体制における教師なし事前学習のための新しい手法を提案する。最近成功したプロンプト技術に触発されて,言語ビジョンプロンプトを用いた教師なし事前学習法を導入した。提案手法は,低データ方式のCNNモデルよりも高速に収束し,性能がよいことを示す。
論文参考訳（メタデータ） (2024-05-22T06:48:43Z)
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)
Few-shot Incremental Event Detection [3.508346077709686]
イベント検出タスクは、テキストからのイベントの迅速な検出を可能にする。古いクラスを検出する能力を失うことなく、新しいクラスを検出するよう拡張するには、スクラッチからモデルを再トレーニングする必要がある。我々は、限られたデータで新しいイベントクラスを検出する学習に焦点を当てた、新しいタスク、数発のインクリメンタルイベント検出を定義する。
論文参考訳（メタデータ） (2022-09-05T14:21:26Z)
Segment-level Metric Learning for Few-shot Bioacoustic Event Detection [56.59107110017436]
本稿では,モデル最適化時の肯定的事象と否定的事象の両方を利用するセグメントレベルの数ショット学習フレームワークを提案する。本システムでは,DCASE2022チャレンジタスク5(DCASE2022-T5)のF値62.73の検証を行い,ベースラインプロトタイプネットワーク34.02の性能を大きなマージンで向上させる。
論文参考訳（メタデータ） (2022-07-15T22:41:30Z)
Improve Event Extraction via Self-Training with Gradient Guidance [10.618929821822892]
本稿では、イベント抽出の進行を妨げる主な要因を克服するために、フィードバックによる自己評価(STF)フレームワークを提案する。 STFは,(1)既存のイベントアノテーションに基づいてトレーニングされたベースイベント抽出モデルと,(2)新しいイベント参照を擬似トレーニングサンプルとして予測するための大規模未ラベルコーパスと,(2)新しいイベントトリガ,引数,引数ロール,およびAMRグラフ内のそれらのパスを用いて互換性スコアを推定する新たなスコアリングモデルから構成される。 ACE05-E、ACE05-E+、EREを含む3つのベンチマークデータセットの実験結果
論文参考訳（メタデータ） (2022-05-25T04:40:17Z)
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)
Robust Event Classification Using Imperfect Real-world PMU Data [58.26737360525643]
本研究では,不完全な実世界のファサー計測単位(PMU)データを用いて,ロバストな事象分類について検討する。我々は、堅牢なイベント分類器を訓練するための新しい機械学習フレームワークを開発する。
論文参考訳（メタデータ） (2021-10-19T17:41:43Z)
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)
EventPoint: Self-Supervised Local Descriptor Learning for Event Cameras [2.3300629798610446]
本研究では,イベントポイントと呼ばれるフレームベースのイベントデータに基づいて,自己教師付き学習手法を用いて,イントレストポイントとディスクリプタを抽出する手法を提案する。提案した自己教師型学習手法を用いて、実際のイベント形式の駆動データセットに基づいてモデルをトレーニングし、イベントデータの特徴を十分に考慮する。
論文参考訳（メタデータ） (2021-09-01T06:58:14Z)
Unsupervised Paraphrasing with Pretrained Language Models [85.03373221588707]
教師なし環境で,事前学習した言語モデルを用いて高品質なパラフレーズを生成する訓練パイプラインを提案する。提案手法は,タスク適応,自己スーパービジョン,動的ブロッキング(Dynamic Blocking)という新しい復号アルゴリズムから構成される。提案手法は,Quora Question PairとParaNMTの両方のデータセット上で,最先端の性能を達成できることを示す。
論文参考訳（メタデータ） (2020-10-24T11:55:28Z)

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。