論文の概要: Temporal Reasoning on Implicit Events from Distant Supervision
- arxiv url: http://arxiv.org/abs/2010.12753v2
- Date: Fri, 7 May 2021 21:07:45 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 12:43:53.539644
- Title: Temporal Reasoning on Implicit Events from Distant Supervision
- Title(参考訳): 遠方の監視による暗黙の事象の時間的推論
- Authors: Ben Zhou and Kyle Richardson and Qiang Ning and Tushar Khot and Ashish
Sabharwal and Dan Roth
- Abstract要約: 本稿では,暗黙的事象の理解度を評価する新しい時間的推論データセットを提案する。
我々は、暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に、最先端のモデルが苦労していることを発見した。
本稿では,大規模テキストからの遠隔監視信号を利用して終末時刻を推定する,ニューロシンボリックな時間的推論モデルSYMTIMEを提案する。
- 参考スコア(独自算出の注目度): 91.20159064951487
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: We propose TRACIE, a novel temporal reasoning dataset that evaluates the
degree to which systems understand implicit events -- events that are not
mentioned explicitly in natural language text but can be inferred from it. This
introduces a new challenge in temporal reasoning research, where prior work has
focused on explicitly mentioned events. Human readers can infer implicit events
via commonsense reasoning, resulting in a more comprehensive understanding of
the situation and, consequently, better reasoning about time. We find, however,
that state-of-the-art models struggle when predicting temporal relationships
between implicit and explicit events. To address this, we propose a
neuro-symbolic temporal reasoning model, SYMTIME, which exploits distant
supervision signals from large-scale text and uses temporal rules to combine
start times and durations to infer end times. SYMTIME outperforms strong
baseline systems on TRACIE by 5%, and by 11% in a zero prior knowledge training
setting. Our approach also generalizes to other temporal reasoning tasks, as
evidenced by a gain of 1%-9% on MATRES, an explicit event benchmark.
- Abstract(参考訳): 自然言語テキストでは明示的に言及されていないが推論可能な暗黙の事象をシステムが理解する程度を評価する,新たな時間的推論データセットであるtracieを提案する。
これは、時間的推論研究において、前回の作業が明確に述べられたイベントに焦点を当てた新しい課題を導入する。
人間の読者は、コモンセンス推論を通じて暗黙の出来事を推測することができ、その結果、状況をより包括的に理解し、その結果、時間についてのより良い推論をもたらす。
しかし、現状のモデルは暗黙の出来事と明示的な出来事の間の時間的関係を予測する際に苦労している。
そこで本研究では,大規模テキストからの遠隔監視信号を活用し,時間規則を用いて開始時間と継続時間を組み合わせて終了時間を推定する,ニューロシンボリック時間推論モデルであるsymtimeを提案する。
symtimeは、tracieの強力なベースラインシステムを5%上回り、事前知識トレーニング設定では11%上回る。
MATRES(明示的なイベントベンチマーク)で1%-9%の上昇が証明されたように、我々のアプローチは他の時間的推論タスクにも一般化する。
関連論文リスト
- Back to the Future: Towards Explainable Temporal Reasoning with Large
Language Models [33.8108950744839]
そこで本稿では,コンテキストに基づいたイベント発生の予測を行うために,時間的推論を記述可能な最初のタスクを紹介する。
本研究では,時間的予測と説明の最先端性能を実現する方法を示す。
論文 参考訳(メタデータ) (2023-10-02T10:35:23Z) - Exploring the Limits of Historical Information for Temporal Knowledge
Graph Extrapolation [59.417443739208146]
本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。
CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。
提案したモデルを5つのベンチマークグラフで評価する。
論文 参考訳(メタデータ) (2023-08-29T03:26:38Z) - Unlocking Temporal Question Answering for Large Language Models with Tailor-Made Reasoning Logic [84.59255070520673]
大きな言語モデル(LLM)は、時間的推論に関わる際に課題に直面します。
本研究では,時間的質問応答タスクに特化して設計された新しいフレームワークであるTempLogicを提案する。
論文 参考訳(メタデータ) (2023-05-24T10:57:53Z) - Getting Sick After Seeing a Doctor? Diagnosing and Mitigating Knowledge Conflicts in Event Temporal Reasoning [87.92209048521153]
出来事の時間的推論は、物語から2つ以上の出来事の間の時間的関係を特定することを目的としている。
知識の衝突は、コンテキスト内の事象の実際の時間的関係と、モデルによって学習された事前の知識やバイアスとの間にミスマッチがあるときに起こる。
論文 参考訳(メタデータ) (2023-05-24T10:04:06Z) - Generic Temporal Reasoning with Differential Analysis and Explanation [61.96034987217583]
時間差分解析でギャップを埋めるTODAYという新しいタスクを導入する。
TODAYは、システムがインクリメンタルな変化の効果を正しく理解できるかどうかを評価する。
共同学習においてTODAYの指導スタイルと説明アノテーションが有効であることを示す。
論文 参考訳(メタデータ) (2022-12-20T17:40:03Z) - Logic and Commonsense-Guided Temporal Knowledge Graph Completion [9.868206060374991]
時間的知識グラフ(TKG)は、時間を含むデータから派生した事象を記憶する。
本稿では,時系列やイベントの因果性を含む時間依存表現を協調的に学習するためのLCGE(Logic and Commonsense-Guided Embedding Model)を提案する。
論文 参考訳(メタデータ) (2022-11-30T10:06:55Z) - Temporal Common Sense Acquisition with Minimal Supervision [77.8308414884754]
この研究は、時間的常識の明示的で暗黙的な言及を活用する新しいシーケンスモデリング手法を提案する。
本手法は,時間的共通感覚の様々な次元の質予測を行う。
また、時間比較、親子関係、イベントコア参照、時間的QAなど、関連するタスクに対するイベントの表現も生成する。
論文 参考訳(メタデータ) (2020-05-08T22:20:16Z)
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。