論文の概要: To Schedule or not to Schedule: Extracting Task Specific Temporal Entities and Associated Negation Constraints

• arxiv url: http://arxiv.org/abs/2012.02594v1
• Date: Sun, 15 Nov 2020 10:07:19 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-25 07:04:51.637607
• Title: To Schedule or not to Schedule: Extracting Task Specific Temporal Entities and Associated Negation Constraints
• Title（参考訳）: スケジュールするか否か:タスク固有の時間的実体の抽出と関連する否定制約
• Authors: Barun Patra, Chala Fufa, Pamela Bhattacharya and Charles Lee
• Abstract要約: テキストから日時エンティティを抽出する技術研究の現状はタスク非依存である。 本稿では,メールベースのデジタルAIスケジューリングアシスタントにおける会議スケジュールのコンテキストにおいて,日時理解の課題に対する手法の有効性を示す。
• 参考スコア（独自算出の注目度）: 2.053142696037897
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: State of the art research for date-time entity extraction from text is task agnostic. Consequently, while the methods proposed in literature perform well for generic date-time extraction from texts, they don't fare as well on task specific date-time entity extraction where only a subset of the date-time entities present in the text are pertinent to solving the task. Furthermore, some tasks require identifying negation constraints associated with the date-time entities to correctly reason over time. We showcase a novel model for extracting task-specific date-time entities along with their negation constraints. We show the efficacy of our method on the task of date-time understanding in the context of scheduling meetings for an email-based digital AI scheduling assistant. Our method achieves an absolute gain of 19\% f-score points compared to baseline methods in detecting the date-time entities relevant to scheduling meetings and a 4\% improvement over baseline methods for detecting negation constraints over date-time entities.
• Abstract（参考訳）: テキストから日時エンティティを抽出する技術研究の現状はタスク非依存である。 したがって、文献で提案される手法は、テキストからの一般的な日時抽出に適しているが、テキストに存在する日時エンティティのサブセットだけがタスクの解決に関係しているタスク固有の日時エンティティ抽出にはあまり役に立たない。 さらに、あるタスクは、時間とともに正しく推論するために、日付のエンティティに関連する否定の制約を特定する必要がある。 タスク固有の日時エンティティとその否定制約を抽出するための新しいモデルを示す。 本稿では,メールベースのデジタルAIスケジューリングアシスタントにおける会議スケジュールにおける日時理解の課題に対する手法の有効性を示す。 本手法は,スケジュールミーティングに関連する日時エンティティの検出において,ベースライン法と比較して,絶対値が19\%f-score点となり,日時エンティティに対するネゲーション制約を検出するベースライン法よりも4\%向上する。

関連論文リスト

• Domain-Independent Automatic Generation of Descriptive Texts for Time-Series Data [5.264562311559751]
  時系列データからドメインに依存しない記述テキストを生成する手法を提案する。 新たな後方アプローチを実装することで、観測データセットのための時間自動キャプションを作成する。 実験の結果,TACOデータセットを用いて学習した対照的な学習ベースモデルでは,新しいドメインにおける時系列データのための記述テキストを生成することができることがわかった。
  論文  参考訳（メタデータ） (2024-09-25T06:04:03Z)
• Handling Numeric Expressions in Automatic Speech Recognition [56.972851337263755]
  数値表現の認識と形式化のためのケースドとエンド・ツー・エンドのアプローチを比較した。 その結果,適応型エンドツーエンドモデルでは,低レイテンシと推論コストの利点を生かして,競争性能が向上することがわかった。
  論文  参考訳（メタデータ） (2024-07-18T09:46:19Z)
• DOLOMITES: Domain-Specific Long-Form Methodical Tasks [81.63464319950664]
  本研究では,課題目標,手順,入力,出力の形式で構成された方法論的タスクのタイプロジーを開発する。 このベンチマークは519の仕様で、25の分野から数百のエキスパートが引き起こしたタスクである。 さらに,本ベンチマークでは,具体的入力と出力の例を用いた方法論的タスクの具体的インスタンス化について述べる。
  論文  参考訳（メタデータ） (2024-05-09T17:25:31Z)
• A Dataset for the Validation of Truth Inference Algorithms Suitable for Online Deployment [76.04306818209753]
  実世界のクラウドソーシングプラットフォームから収集した,実質的なクラウドソーシングアノテーションデータセットを紹介する。 このデータセットは、約2万のワーカー、100万のタスク、600万のアノテーションで構成されている。 本データセットにおけるいくつかの代表的真理推論アルゴリズムの有効性を評価する。
  論文  参考訳（メタデータ） (2024-03-10T16:00:41Z)
• TIMELINE: Exhaustive Annotation of Temporal Relations Supporting the Automatic Ordering of Events in News Articles [4.314956204483074]
  本稿では,どの時間的関係にアノテートすべきかに基づいて,その基準を明確に定義する新たなアノテーション手法を提案する。 また、プロセスを自動化する時間的関係(長距離関係を含む)に注釈を付ける方法も提案する。 その結果、新しいデータセットであるTIMELINEコーパスが得られ、アノテーション間の合意が改善された。
  論文  参考訳（メタデータ） (2023-10-26T22:23:38Z)
• PromptRE: Weakly-Supervised Document-Level Relation Extraction via Prompting-Based Data Programming [30.597623178206874]
  本稿では,文書レベルの関係抽出手法であるPromptREを提案する。 PromptREは、ラベルの配布とエンティティタイプを事前知識として組み込んでパフォーマンスを向上させる。 文書レベルの関係抽出のためのベンチマークデータセットであるReDocREDの実験結果は、ベースラインアプローチよりもPromptREの方が優れていることを示す。
  論文  参考訳（メタデータ） (2023-10-13T17:23:17Z)
• Automated Few-shot Classification with Instruction-Finetuned Language Models [76.69064714392165]
  我々は、AuT-Fewが最先端の数ショット学習方法より優れていることを示す。 AuT-Few は RAFT few-shot ベンチマークにおいて,データセット間で最高のランク付け手法であることを示す。
  論文  参考訳（メタデータ） (2023-05-21T21:50:27Z)
• Curriculum-Based Self-Training Makes Better Few-Shot Learners for Data-to-Text Generation [56.98033565736974]
  テキスト生成の困難さによって決定される並べ替え順序でラベルのないデータを活用するために,カリキュラムベースの自己学習(CBST)を提案する。 提案手法は、微調整およびタスク適応型事前学習法より優れており、データ・テキスト・ジェネレーションのわずかな設定で最先端の性能を実現することができる。
  論文  参考訳（メタデータ） (2022-06-06T16:11:58Z)
• Truth Discovery in Sequence Labels from Crowds [12.181422057560201]
  Amazon Mechanical Turk (AMT)のようなクラウドソーシングプラットフォームは、この目的のためにデプロイされている。 アノテーションアグリゲーションにおける既存の文献は、アノテーションは独立しており、シーケンシャルなラベルアグリゲーションタスクを扱う際の課題に直面していると仮定している。 逐次ラベリングタスクにおいて,作業者が提供するアノテーションを用いて,真理ラベルを推測する最適化手法を提案する。
  論文  参考訳（メタデータ） (2021-09-09T19:12:13Z)
• The Contextual Appointment Scheduling Problem [4.644923443649425]
  タスクベース損失関数を用いた統合的推定と最適化問題としてASPを定式化する。 我々は、文脈の使用を正当化するために、それらを含むことが不一致な決定に結びつくことを示す。
  論文  参考訳（メタデータ） (2021-08-12T04:51:26Z)
• Partially-Aligned Data-to-Text Generation with Distant Supervision [69.15410325679635]
  我々はPADTG(Partially-Aligned Data-to-Text Generation)と呼ばれる新しい生成タスクを提案する。 自動的にアノテートされたデータをトレーニングに利用し、アプリケーションドメインを大幅に拡張するため、より実用的です。 我々のフレームワークは、全てのベースラインモデルより優れており、部分整合データの利用の可能性を検証する。
  論文  参考訳（メタデータ） (2020-10-03T03:18:52Z)

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。