論文の概要: MLBiNet: A Cross-Sentence Collective Event Detection Network

• arxiv url: http://arxiv.org/abs/2105.09458v1
• Date: Thu, 20 May 2021 02:29:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 13:48:57.627142
• Title: MLBiNet: A Cross-Sentence Collective Event Detection Network
• Title（参考訳）: MLBiNet: クロス文集合イベント検出ネットワーク
• Authors: Dongfang Lou, Zhilin Liao, Shumin Deng, Ningyu Zhang, Huajun Chen
• Abstract要約: イベントとセマンティック情報の文書レベルの関連を同時に捉えるために,MLBiNet(Multi-Layer Bidirectional Network)を提案する。 提案手法は,現状の成果と比較して,性能が大幅に向上していることを示す。
• 参考スコア（独自算出の注目度）: 9.929840613301987
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider the problem of collectively detecting multiple events, particularly in cross-sentence settings. The key to dealing with the problem is to encode semantic information and model event inter-dependency at a document-level. In this paper, we reformulate it as a Seq2Seq task and propose a Multi-Layer Bidirectional Network (MLBiNet) to capture the document-level association of events and semantic information simultaneously. Specifically, a bidirectional decoder is firstly devised to model event inter-dependency within a sentence when decoding the event tag vector sequence. Secondly, an information aggregation module is employed to aggregate sentence-level semantic and event tag information. Finally, we stack multiple bidirectional decoders and feed cross-sentence information, forming a multi-layer bidirectional tagging architecture to iteratively propagate information across sentences. We show that our approach provides significant improvement in performance compared to the current state-of-the-art results.
• Abstract（参考訳）: 特にクロスセンテンス設定において,複数のイベントを集合的に検出する問題を考える。 問題に対処する鍵は、意味情報をエンコードし、ドキュメントレベルでイベント間の依存性をモデル化することである。 本稿では,Seq2Seqタスクとして再編成し,イベントとセマンティック情報の文書レベルの関連を同時に捉えるマルチ階層双方向ネットワーク(MLBiNet)を提案する。 特に、双方向デコーダは、まず、イベントタグベクターシーケンスをデコードする際に、文内のイベント相互依存をモデル化するために考案される。 次に、情報集約モジュールを用いて文レベルの意味情報とイベントタグ情報を集約する。 最後に,複数の双方向デコーダを積み重ねて,文間で情報を反復的に伝達する多層双方向タギングアーキテクチャを形成する。 提案手法は,現状の成果に比べて性能が大幅に向上していることを示す。

関連論文リスト

• Generating Event-oriented Attribution for Movies via Two-Stage Prefix-Enhanced Multimodal LLM [47.786978666537436]
  本稿では,2段階の事前修正強化MLLM (TSPE) アプローチを提案する。 局所的な段階では、1つのクリップ内の関連するマルチモーダル情報にフォーカスするようモデルに誘導する対話対応プレフィックスを導入する。 グローバルな段階では、推論知識グラフを用いて関連するイベント間の接続を強化する。
  論文  参考訳（メタデータ） (2024-09-14T08:30:59Z)
• Event GDR: Event-Centric Generative Document Retrieval [37.53593254200252]
  イベント中心の生成文書検索モデルであるEvent GDRを提案する。 我々は、文書の包括性と内的内容の相関を保証するために、文書のモデル化にイベントと関係を用いる。 識別子構築では、イベントを適切に定義されたイベント分類にマッピングし、明示的な意味構造を持つ識別子を構築する。
  論文  参考訳（メタデータ） (2024-05-11T02:55:11Z)
• Dynamically Updating Event Representations for Temporal Relation Classification with Multi-category Learning [35.27714529976667]
  時間的関係分類は、2つの言及間の時間的リンク(Tlink)の関係を特定するためのペアワイズタスクである。 本稿では,複数のTlinkカテゴリにまたがる動的イベント表現を管理するイベント中心モデルを提案する。 提案手法は,英語と日本語の両方のデータに基づいて,最先端のモデルと2つの転移学習ベースラインより優れている。
  論文  参考訳（メタデータ） (2023-10-31T07:41:24Z)
• MosaicFusion: Diffusion Models as Data Augmenters for Large Vocabulary Instance Segmentation [104.03166324080917]
  MosaicFusionは、大語彙のインスタンスセグメンテーションのための、単純で効果的な拡散に基づくデータ拡張手法である。 本手法はトレーニングフリーであり,ラベル管理に依存しない。 LVISロングテールおよびオープンボキャブラリベンチマークの実験結果は、MosaicFusionが既存のインスタンスセグメンテーションモデルの性能を大幅に改善できることを示した。
  論文  参考訳（メタデータ） (2023-09-22T17:59:42Z)
• Document-Level Multi-Event Extraction with Event Proxy Nodes and Hausdorff Distance Minimization [31.065768513381414]
  文書レベルのマルチイベント抽出は、所定の文書から構造情報を自動的に抽出することを目的としている。 本稿では,イベントプロキシノードとハウスドルフ距離最小化を用いた文書レベルのマルチイベント抽出手法を提案する。 本モデルでは,F1スコアにおける従来手法よりも,トレーニング時間が少ない2つのデータセットの方が優れていた。
  論文  参考訳（メタデータ） (2023-05-30T10:33:05Z)
• 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)
• Traffic Event Detection as a Slot Filling Problem [18.61490760235035]
  ベルギーとブリュッセルの2つの(構築された)交通関連データセットを公開することにより、Twitterストリームからきめ細かいトラフィック情報を抽出する新たな問題を紹介した。 本稿では,2つのサブタスクを別々に,あるいは共同で処理するいくつかの手法を提案するとともに,交通事象検出問題に対する提案手法の有効性を評価する。
  論文  参考訳（メタデータ） (2021-09-13T15:02:40Z)
• Context-Aware Interaction Network for Question Matching [51.76812857301819]
  本研究では,二つのシーケンスを整合させ,それらの意味関係を推定する文脈認識インタラクションネットワーク(coin)を提案する。 具体的には,(1)コンテキスト情報を効果的に統合するためのコンテキスト対応のクロスアテンション機構,(2)整列表現を柔軟に補間するゲート融合層を備える。
  論文  参考訳（メタデータ） (2021-04-17T05:03:56Z)
• R$^2$-Net: Relation of Relation Learning Network for Sentence Semantic Matching [58.72111690643359]
  文意味マッチングのための関係学習ネットワーク(R2-Net)を提案する。 最初にBERTを使用して、グローバルな視点から入力文をエンコードします。 次に、cnnベースのエンコーダは、ローカルな視点からキーワードやフレーズ情報をキャプチャするように設計されている。 関係情報抽出にラベルを十分に活用するために,関係分類タスクの自己教師付き関係性を導入する。
  論文  参考訳（メタデータ） (2020-12-16T13:11:30Z)
• Keyphrase Extraction with Dynamic Graph Convolutional Networks and Diversified Inference [50.768682650658384]
  キーワード抽出(KE)は、ある文書でカバーされている概念やトピックを正確に表現するフレーズの集合を要約することを目的としている。 最近のシークエンス・ツー・シークエンス(Seq2Seq)ベースの生成フレームワークはKEタスクで広く使われ、様々なベンチマークで競合性能を得た。 本稿では,この2つの問題を同時に解くために,動的グラフ畳み込みネットワーク(DGCN)を採用することを提案する。
  論文  参考訳（メタデータ） (2020-10-24T08:11:23Z)

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。