論文の概要: End-to-End Neural Event Coreference Resolution
- arxiv url: http://arxiv.org/abs/2009.08153v1
- Date: Thu, 17 Sep 2020 09:00:59 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-17 09:10:20.448500
- Title: End-to-End Neural Event Coreference Resolution
- Title(参考訳): エンドツーエンドのニューラルネットワークイベントコリファレンス解決
- Authors: Yaojie Lu and Hongyu Lin and Jialong Tang and Xianpei Han and Le Sun
- Abstract要約: 本稿では,エンド・ツー・エンドのイベント・コア・アプローチであるE3Cニューラルネットワークを提案する。
提案手法は,2つの標準データセット上での最先端性能を実現する。
- 参考スコア(独自算出の注目度): 41.377231614857614
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Traditional event coreference systems usually rely on pipeline framework and
hand-crafted features, which often face error propagation problem and have poor
generalization ability. In this paper, we propose an End-to-End Event
Coreference approach -- E3C neural network, which can jointly model event
detection and event coreference resolution tasks, and learn to extract features
from raw text automatically. Furthermore, because event mentions are highly
diversified and event coreference is intricately governed by long-distance,
semantic-dependent decisions, a type-guided event coreference mechanism is
further proposed in our E3C neural network. Experiments show that our method
achieves new state-of-the-art performance on two standard datasets.
- Abstract(参考訳): 従来のイベントコアシステムは通常、パイプラインフレームワークと手作りの機能に依存しており、しばしばエラーの伝搬問題に直面し、一般化能力に乏しい。
本稿では,エンド・ツー・エンドのイベントコリファレンス手法であるe3cニューラルネットワークを提案する。イベント検出とイベントコリファレンス解決タスクを共同でモデル化し,生のテキストから特徴を自動的に抽出することを学ぶ。
さらに,イベント参照は多種多様であり,イベントコリファレンスは長距離かつ意味依存的な決定によって複雑に制御されるため,e3cニューラルネットワークでは,型誘導イベントコリファレンス機構がさらに提案されている。
実験により,本手法は2つの標準データセットに対して新しい最先端性能を実現することを示す。
関連論文リスト
- Feature Decoupling-Recycling Network for Fast Interactive Segmentation [79.22497777645806]
近年のインタラクティブセグメンテーション手法では,入力としてソースイメージ,ユーザガイダンス,従来予測されていたマスクを反復的に取り込んでいる。
本稿では,本質的な相違点に基づいてモデリングコンポーネントを分離するFDRN(Feature Decoupling-Recycling Network)を提案する。
論文 参考訳(メタデータ) (2023-08-07T12:26:34Z) - EventBind: Learning a Unified Representation to Bind Them All for
Event-based Open-world Understanding [8.517830626176641]
EventBindは、イベントベースの認識のためのビジョン言語モデル(VLM)の可能性を解き放つ新しいフレームワークである。
まず、イベントからの時間情報を微妙にモデル化する新しいイベントエンコーダを紹介する。
次に、コンテントプロンプトを生成し、ハイブリッドテキストプロンプトを利用してEventBindの一般化能力を向上するテキストエンコーダを設計する。
論文 参考訳(メタデータ) (2023-08-06T15:05:42Z) - 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) - 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) - 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) - Event-LSTM: An Unsupervised and Asynchronous Learning-based
Representation for Event-based Data [8.931153235278831]
イベントカメラは、アクティビティ駆動のバイオインスパイアされたビジョンセンサーです。
LSTM層からなる教師なしオートエンコーダアーキテクチャであるEvent-LSTMを提案する。
また、最先端のイベントをデノージングプロセスにメモリを導入することで、デノージングを前進させます。
論文 参考訳(メタデータ) (2021-05-10T09:18:52Z) - Within-Document Event Coreference with BERT-Based Contextualized
Representations [1.0152838128195465]
イベントコアファレンスは情報抽出の難しい問題であり続けている。
近年の文脈化言語表現の進歩は多くのタスクで成功している。
本稿では、予め訓練されたBERTモデルから派生した表現を用いて神経分類器を訓練し、コアファレンスチェーンを作成する3つの部分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) - 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) - Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
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。
論文 参考訳(メタデータ) (2020-07-02T20:44:05Z)
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。