論文の概要: Document-level Event Extraction with Efficient End-to-end Learning of
Cross-event Dependencies
- arxiv url: http://arxiv.org/abs/2010.12787v3
- Date: Fri, 7 May 2021 22:47:09 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-03 12:52:37.194263
- Title: Document-level Event Extraction with Efficient End-to-end Learning of
Cross-event Dependencies
- Title（参考訳）: クロスイベント依存の効率的なエンドツーエンド学習によるドキュメントレベルのイベント抽出
- Authors: Kung-Hsiang Huang, Nanyun Peng
- Abstract要約: 本稿では,構造化予測アルゴリズムであるDeep Value Networks (DVN) を利用したエンドツーエンドモデルを提案する。
提案手法はACE05上でのCRFモデルに匹敵する性能を達成し,計算効率は極めて高い。
- 参考スコア（独自算出の注目度）: 37.96254956540803
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Fully understanding narratives often requires identifying events in the
context of whole documents and modeling the event relations. However,
document-level event extraction is a challenging task as it requires the
extraction of event and entity coreference, and capturing arguments that span
across different sentences. Existing works on event extraction usually confine
on extracting events from single sentences, which fail to capture the
relationships between the event mentions at the scale of a document, as well as
the event arguments that appear in a different sentence than the event trigger.
In this paper, we propose an end-to-end model leveraging Deep Value Networks
(DVN), a structured prediction algorithm, to efficiently capture cross-event
dependencies for document-level event extraction. Experimental results show
that our approach achieves comparable performance to CRF-based models on ACE05,
while enjoys significantly higher computational efficiency.
- Abstract（参考訳）: 物語を完全に理解するには、文書全体の文脈でイベントを識別し、イベント関係をモデル化する必要がある。
しかし、ドキュメントレベルのイベント抽出は、イベントとエンティティのコリファレンスの抽出と、異なる文にまたがる引数のキャプチャを必要とするため、難しいタスクである。
イベント抽出に関する既存の研究は、通常、単一の文からイベントを抽出することに重点を置いており、文書のスケールで言及されるイベントと、イベントトリガーとは異なる文で現れるイベント引数の関係を捉えていない。
本稿では,構造化予測アルゴリズムであるdeep value networks(dvn)を活用して,ドキュメントレベルのイベント抽出のためのクロスイベント依存関係を効率的にキャプチャするエンド・ツー・エンドモデルを提案する。
実験の結果,提案手法はACE05上でのCRFモデルに匹敵する性能を示し,計算効率は大幅に向上した。
関連論文リスト
- Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。
イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
論文 参考訳（メタデータ） (2024-03-05T01:46:50Z) - MAVEN-Arg: Completing the Puzzle of All-in-One Event Understanding Dataset with Event Argument Annotation [104.6065882758648]
MAVEN-Argは、イベント検出、イベント引数抽出、イベント関係抽出をサポートする最初のオールインワンデータセットである。
EAEベンチマークでは、(1)162のイベントタイプと612の引数ロールをカバーする包括的なスキーマ、(2)98,591のイベントと290,613の引数を含む大規模なデータスケール、(3)EAEのすべてのタスク変種をサポートする包括的なアノテーションの3つの利点がある。
論文 参考訳（メタデータ） (2023-11-15T16:52:14Z) - From Simple to Complex: A Progressive Framework for Document-level
Informative Argument Extraction [34.37013964529546]
イベント引数抽出(EAE)は、単一のドキュメントから複数のイベントの引数を抽出するモデルを必要とする。
文書レベルEAEのための簡易・複雑プログレッシブフレームワークを提案する。
提案手法は,F1 において SOTA を 1.4% 上回る性能を示し,EAE タスクにおいて有用であることを示す。
論文 参考訳（メタデータ） (2023-10-25T04:38:02Z) - Token-Event-Role Structure-based Multi-Channel Document-Level Event
Extraction [15.02043375212839]
本稿では,トークン・イベント・ロールと呼ばれる新しいデータ構造を取り入れた,文書レベルのイベント抽出のための新しいフレームワークを提案する。
提案したデータ構造により,複数のイベントにおけるトークンの主要な役割を明らかにすることができ,イベント関係のより包括的な理解が容易になる。
その結果,本手法はF1スコアの9.5ポイント向上した。
論文 参考訳（メタデータ） (2023-06-30T15:22:57Z) - EA$^2$E: Improving Consistency with Event Awareness for Document-Level
Argument Extraction [52.43978926985928]
本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。
WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
論文 参考訳（メタデータ） (2022-05-30T04:33:51Z) - 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) - 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) - Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。
タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。
また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
論文 参考訳（メタデータ） (2021-04-13T03:36:38Z) - Document-Level Event Role Filler Extraction using Multi-Granularity
Contextualized Encoding [40.13163091122463]
イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。
まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。
私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
論文 参考訳（メタデータ） (2020-05-13T20:42:17Z)
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。