Fugu-MT 論文翻訳(概要): Event-Driven Query Expansion

論文の概要: Event-Driven Query Expansion

arxiv url: http://arxiv.org/abs/2012.12065v1
Date: Tue, 22 Dec 2020 14:56:54 GMT
ステータス: 処理完了
システム内更新日: 2021-04-26 12:13:58.267658
Title: Event-Driven Query Expansion
Title（参考訳）: イベント駆動クエリの拡張
Authors: Guy D. Rosin, Ido Guy, Kira Radinsky
Abstract要約: まず,関連するイベントを検知してイベント関連クエリを拡張する手法を提案する。クエリとイベントの両方に意味論的に関連する用語として拡張候補を導出する。提案手法は,各種ニュースワイヤTRECデータセットの最先端手法と比較して,クエリ拡張性能を著しく向上することを示す。
参考スコア（独自算出の注目度）: 23.08079115356717
License: http://creativecommons.org/licenses/by/4.0/
Abstract: A significant number of event-related queries are issued in Web search. In this paper, we seek to improve retrieval performance by leveraging events and specifically target the classic task of query expansion. We propose a method to expand an event-related query by first detecting the events related to it. Then, we derive the candidates for expansion as terms semantically related to both the query and the events. To identify the candidates, we utilize a novel mechanism to simultaneously embed words and events in the same vector space. We show that our proposed method of leveraging events improves query expansion performance significantly compared with state-of-the-art methods on various newswire TREC datasets.
Abstract（参考訳）: 相当数のイベント関連クエリがweb検索で発行される。本稿では,イベントを活用し,クエリ拡張の古典的なタスクを対象とする検索性能の向上を目指す。まず,関連するイベントを検知してイベント関連クエリを拡張する手法を提案する。次に、クエリとイベントの両方に意味論的に関連する用語として拡張候補を導出する。候補を同定するために,同じベクトル空間に単語やイベントを同時に埋め込む新しいメカニズムを利用する。提案手法は,各種ニュースワイヤTRECデータセットの最先端手法と比較して,クエリ拡張性能を著しく向上することを示す。

関連論文リスト

Event-driven Real-time Retrieval in Web Search [15.235255100530496]
本稿では,リアルタイム検索の意図を表すイベント情報を用いてクエリを拡張する。マルチタスクトレーニングにより、イベント表現のためのモデルの能力をさらに強化する。提案手法は既存の最先端のベースライン法よりも大幅に優れている。
論文参考訳（メタデータ） (2023-12-01T06:30:31Z)
Event-Centric Query Expansion in Web Search [12.341071896152174]
イベント中心クエリ拡張(英: Event-Centric Query Expansion, EQE)は、大量の潜在的なイベントを迅速かつ正確に抽出する新しいQEシステムである。このシステムはTencent QQ Browser Searchにデプロイされ、数億人のユーザーに提供された。
論文参考訳（メタデータ） (2023-05-30T13:19:53Z)
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)
The Art of Prompting: Event Detection based on Type Specific Prompts [28.878630198163556]
我々は、教師付き、少数ショット、ゼロショットイベント検出のためのイベントタイプ固有のプロンプトを組み込む統一されたフレームワークを開発する。我々のフレームワークは、これまでの最先端のベースラインよりも最大24.3%のFスコアアップを示している。
論文参考訳（メタデータ） (2022-04-14T21:28:50Z)
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)
Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
論文参考訳（メタデータ） (2021-10-14T15:49:40Z)
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)
ConQX: Semantic Expansion of Spoken Queries for Intent Detection based on Conditioned Text Generation [4.264192013842096]
本稿では,ConQXと呼ばれる音声クエリのセマンティック拡張手法を提案する。オフトピーテキスト生成を避けるため、インプットクエリを構造化コンテキストに条件付け、即時マイニングを行う。次に、インテント検出のために、ゼロショット、ワンショット、および少数ショットの学習をBERTとRoBERTaを微調整する。
論文参考訳（メタデータ） (2021-09-02T05:57:07Z)
Document-level Event Extraction with Efficient End-to-end Learning of Cross-event Dependencies [37.96254956540803]
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。
論文参考訳（メタデータ） (2020-10-24T05:28:16Z)
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)
Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring Sequential Events Detection for Dense Video Captioning [63.91369308085091]
本稿では、イベントシーケンス生成のための新規でシンプルなモデルを提案し、ビデオ中のイベントシーケンスの時間的関係を探索する。提案モデルでは,非効率な2段階提案生成を省略し,双方向時間依存性を条件としたイベント境界を直接生成する。総合システムは、チャレンジテストセットの9.894 METEORスコアで、ビデオタスクにおける密封イベントの最先端のパフォーマンスを達成する。
論文参考訳（メタデータ） (2020-06-14T13:21:37Z)

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。