論文の概要: EventPlus: A Temporal Event Understanding Pipeline

• arxiv url: http://arxiv.org/abs/2101.04922v1
• Date: Wed, 13 Jan 2021 08:00:50 GMT
• ステータス: 処理完了
• システム内更新日: 2021-04-03 19:22:26.546280
• Title: EventPlus: A Temporal Event Understanding Pipeline
• Title（参考訳）: EventPlus: 一時的なイベント理解パイプライン
• Authors: Mingyu Derek Ma, Jiao Sun, Mu Yang, Kung-Hsiang Huang, Nuan Wen, Shikhar Singh, Rujun Han and Nanyun Peng
• Abstract要約: EventPlusは、さまざまな最先端のイベント理解コンポーネントを統合する一時的なイベント理解パイプラインです。 EventPlusを一般公開し、イベント関連の情報抽出と下流アプリケーションを容易にします。
• 参考スコア（独自算出の注目度）: 12.313545429119651
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: We present EventPlus, a temporal event understanding pipeline that integrates various state-of-the-art event understanding components including event trigger and type detection, event argument detection, event duration and temporal relation extraction. Event information, especially event temporal knowledge, is a type of common sense knowledge that helps people understand how stories evolve and provides predictive hints for future events. EventPlus as the first comprehensive temporal event understanding pipeline provides a convenient tool for users to quickly obtain annotations about events and their temporal information for any user-provided document. Furthermore, we show EventPlus can be easily adapted to other domains (e.g., biomedical domain). We make EventPlus publicly available to facilitate event-related information extraction and downstream applications.
• Abstract（参考訳）: イベントトリガと型検出,イベント引数検出,イベント継続時間,時間関係抽出など,さまざまな最先端イベント理解コンポーネントを統合する,時間的イベント理解パイプラインであるeventplusを提案する。 イベント情報、特に事象の時間的知識は、人々がストーリーがどのように進化するかを理解し、将来の出来事に予測的なヒントを提供するのに役立つ常識知識の一種である。 EventPlusは、最初の包括的な時間的イベント理解パイプラインであり、ユーザがイベントに関するアノテーションと、ユーザが提供するドキュメントの時間的情報を簡単に取得するための便利なツールを提供する。 さらに、eventplusが他のドメイン(例えばバイオメディカルドメイン)に容易に適応できることを示した。 EventPlusを公開して、イベント関連の情報抽出とダウンストリームアプリケーションを容易にします。

関連論文リスト

• Grounding Partially-Defined Events in Multimodal Data [61.0063273919745]
  部分定義イベントに対するマルチモーダル定式化を導入し、これらのイベントの抽出を3段階スパン検索タスクとしてキャストする。 このタスクのベンチマークであるMultiVENT-Gを提案し,22.8Kのラベル付きイベント中心エンティティを含む,14.5時間の高密度アノテーション付き現在のイベントビデオと1,168のテキストドキュメントからなる。 結果は、イベント理解の抽象的な課題を示し、イベント中心のビデオ言語システムにおける約束を実証する。
  論文  参考訳（メタデータ） (2024-10-07T17:59:48Z)
• PromptCL: Improving Event Representation via Prompt Template and Contrastive Learning [3.481567499804089]
  本稿では,イベント表現学習のための新しいフレームワークであるPromptCLを紹介する。 PromptCLは、短いイベントテキストのセマンティクスを包括的にキャプチャするPLMの機能を提供する。 実験の結果,PromptCLはイベント関連タスクにおける最先端のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-04-27T12:22:43Z)
• EVIT: Event-Oriented Instruction Tuning for Event Reasoning [18.012724531672813]
  イベント推論は、特定の関係に従ってイベントを推論し、将来のイベントを予測することを目的としている。 大規模言語モデル(LLM)は、その豊富な知識と推論能力のために、イベント推論において大きな進歩を遂げている。 しかし、現在使われている命令調整モデルでは、これらのタスクを管理するのに例外的な習熟度が一貫して示されていない。
  論文  参考訳（メタデータ） (2024-04-18T08:14:53Z)
• OmniEvent: A Comprehensive, Fair, and Easy-to-Use Toolkit for Event Understanding [53.23073872040206]
  イベント理解は、テキスト内のイベントの内容と関係を理解することを目的としている。 関連研究や応用を容易にするために,イベント理解ツールキットOmniEventを提案する。
  論文  参考訳（メタデータ） (2023-09-25T16:15:09Z)
• Rich Event Modeling for Script Event Prediction [60.67635412135682]
  スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 予測器の中核となるコンポーネントは、任意の数の引数を柔軟に扱う変換器ベースのイベントエンコーダである。
  論文  参考訳（メタデータ） (2022-12-16T05:17:59Z)
• 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)
• Event Linking: Grounding Event Mentions to Wikipedia [63.087102209379864]
  この作業は、イベントレベルでの新しい自然言語理解タスクであるEvent Linkingを定義する。 イベントリンクは、例えばニュース記事に現れるイベント参照を、最も適切なWikipediaページにリンクしようとする。
  論文  参考訳（メタデータ） (2021-12-15T05:06:18Z)
• Integrating Deep Event-Level and Script-Level Information for Script Event Prediction [60.67635412135681]
  本稿では,MCPredictorと呼ばれるTransformerベースのモデルを提案する。 The experimental results on the wide-useed New York Times corpus showed the effectiveness and superiority of the proposed model。
  論文  参考訳（メタデータ） (2021-09-24T07:37:32Z)

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。