論文の概要: Event Argument Extraction using Causal Knowledge Structures

• arxiv url: http://arxiv.org/abs/2105.00477v1
• Date: Sun, 2 May 2021 13:59:07 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-05 02:08:47.390374
• Title: Event Argument Extraction using Causal Knowledge Structures
• Title（参考訳）: 因果知識構造を用いたイベント引数抽出
• Authors: Debanjana Kar, Sudeshna Sarkar, Pawan Goyal
• Abstract要約: イベント引数抽出とは、特定のイベントのために構造化されていないテキストから構造化情報を抽出するタスクを指します。 既存の作業のほとんどは、このタスクを文レベルでモデル化し、コンテキストをローカルスコープに制限する。 複雑なイベント引数の抽出を支援するために,ドキュメントレベルのイベント情報を注入する外部知識支援アプローチを提案する。
• 参考スコア（独自算出の注目度）: 9.56216681584111
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event Argument extraction refers to the task of extracting structured information from unstructured text for a particular event of interest. The existing works exhibit poor capabilities to extract causal event arguments like Reason and After Effects. Furthermore, most of the existing works model this task at a sentence level, restricting the context to a local scope. While it may be effective for short spans of text, for longer bodies of text such as news articles, it has often been observed that the arguments for an event do not necessarily occur in the same sentence as that containing an event trigger. To tackle the issue of argument scattering across sentences, the use of global context becomes imperative in this task. In our work, we propose an external knowledge aided approach to infuse document-level event information to aid the extraction of complex event arguments. We develop a causal network for our event-annotated dataset by extracting relevant event causal structures from ConceptNet and phrases from Wikipedia. We use the extracted event causal features in a bi-directional transformer encoder to effectively capture long-range inter-sentence dependencies. We report the effectiveness of our proposed approach through both qualitative and quantitative analysis. In this task, we establish our findings on an event annotated dataset in 5 Indian languages. This dataset adds further complexity to the task by labelling arguments of entity type (like Time, Place) as well as more complex argument types (like Reason, After-Effect). Our approach achieves state-of-the-art performance across all the five languages. Since our work does not rely on any language-specific features, it can be easily extended to other languages.
• Abstract（参考訳）: イベント引数抽出(event argument extraction)とは、特定の興味のあるイベントに対して、構造化されていないテキストから構造化情報を抽出するタスクである。 既存の研究は、ReasonやAfter Effectsといった因果イベントの議論を抽出する能力に乏しい。 さらに、既存の作業のほとんどは、このタスクを文レベルでモデル化し、コンテキストをローカルスコープに制限します。 短いテキストには有効かもしれないが、ニュース記事などの長いテキストには、イベントの議論がイベントトリガーを含むものと同じ文で必ずしも発生しないことがしばしば観察されている。 文間の議論散乱の問題に取り組むため、このタスクではグローバルコンテキストの使用が必須となる。 本研究では,文書レベルのイベント情報を融合し,複雑なイベント引数の抽出を支援する外部知識支援手法を提案する。 我々は、wikipediaからconceptnetと句から関連するイベント因果構造を抽出することにより、イベント注釈付きデータセットのための因果ネットワークを構築する。 双方向トランスフォーマエンコーダで抽出されたイベント因果特性を用いて,長距離の相互関係を効果的に捉える。 本稿では,定性解析と定量的解析の両面から提案手法の有効性を報告する。 本研究は,インド語5言語におけるイベントアノテートデータセットについて述べる。 このデータセットは、エンティティタイプ(時間、場所など)の引数と、より複雑な引数タイプ(Reason、After-Effectなど)をラベル付けすることで、タスクをさらに複雑にする。 提案手法は5言語すべてで最先端のパフォーマンスを実現する。 私たちの仕事は言語固有の機能に依存しないので、他の言語にも簡単に拡張できます。

関連論文リスト

• Towards Event Extraction from Speech with Contextual Clues [61.164413398231254]
  本稿では,音声イベント抽出(SpeechEE)タスクを導入し,3つの合成トレーニングセットと1つの人為的テストセットを構築した。 テキストからのイベント抽出と比較して、SpeechEEは、主に連続的で単語境界を持たない複雑な音声信号のために、より大きな課題を提起する。 我々の手法はすべてのデータセットに大幅な改善をもたらし、最大10.7%のF1ゲインを達成する。
  論文  参考訳（メタデータ） (2024-01-27T11:07:19Z)
• 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)
• MEE: A Novel Multilingual Event Extraction Dataset [62.80569691825534]
  Event extractは、イベント参照とその引数をテキストから認識することを目的としている。 モデルトレーニングと評価のための高品質な多言語EEデータセットの欠如が主な障害となっている。 本稿では,8言語で50万以上のイベントを参照するアノテーションを提供する新しい多言語イベント抽出データセット(EE)を提案する。
  論文  参考訳（メタデータ） (2022-11-11T02:01:41Z)
• EventGraph: Event Extraction as Semantic Graph Parsing [5.21480688623047]
  イベント抽出には、イベントトリガとそれに対応するイベント引数の両方の検出と抽出が含まれる。 イベントをグラフとしてエンコードするイベント抽出のための共同フレームワークであるEventGraphを提案する。 私たちのコードとモデルはオープンソースとしてリリースされています。
  論文  参考訳（メタデータ） (2022-10-16T22:11:46Z)
• Dynamic Global Memory for Document-level Argument Extraction [63.314514124716936]
  文書レベルのイベント引数抽出のための,新しいグローバルなニューラルジェネレーションベースのフレームワークを提案する。 文書メモリストアを使用してコンテキストイベント情報を記録し、それを暗黙的に明示的に活用することで、後のイベントの引数の復号に役立ちます。 実験結果から,我々のフレームワークは従来の手法よりも大幅に優れていたことが判明した。
  論文  参考訳（メタデータ） (2022-09-18T23:45:25Z)
• 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)
• Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
  本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。 我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。 実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-23T13:24:39Z)
• 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)
• 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)
• Joint Event Extraction along Shortest Dependency Paths using Graph Convolutional Networks [18.983377030545128]
  イベント抽出は、知識ベース、質問応答、情報検索、要約といったいくつかの領域に有用である。 テキストからイベント情報を抽出する問題は長続きし、通常、精巧に設計された語彙的・構文的特徴に依存している。 本稿では,複数のイベントトリガと引数を同時に抽出することを目的とした,新しいイベント抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2020-03-19T07:48:38Z)

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。