論文の概要: Adaptive Knowledge-Enhanced Bayesian Meta-Learning for Few-shot Event Detection

• arxiv url: http://arxiv.org/abs/2105.09509v1
• Date: Thu, 20 May 2021 04:26:26 GMT
• ステータス: 処理完了
• システム内更新日: 2021-05-21 13:48:42.542361
• Title: Adaptive Knowledge-Enhanced Bayesian Meta-Learning for Few-shot Event Detection
• Title（参考訳）: ファウショットイベント検出のための適応的知識強化ベイズメタラーニング
• Authors: Shirong Shen and Tongtong Wu and Guilin Qi and Yuan-Fang Li and Gholamreza Haffari and Sheng Bi
• Abstract要約: イベント検出(ED)は、文中のイベントトリガーワードを検出し、それらを特定のイベントタイプに分類することを目的としている。 本稿では,外部イベント知識を導入するために,定義に基づくエンコーダを用いた知識ベース少ショットイベント検出手法を提案する。 実験により、我々の手法は、少なくとも15個の絶対F1点の基準線を連続的に、実質的に上回っていることが示された。
• 参考スコア（独自算出の注目度）: 34.0901494858203
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event detection (ED) aims at detecting event trigger words in sentences and classifying them into specific event types. In real-world applications, ED typically does not have sufficient labelled data, thus can be formulated as a few-shot learning problem. To tackle the issue of low sample diversity in few-shot ED, we propose a novel knowledge-based few-shot event detection method which uses a definition-based encoder to introduce external event knowledge as the knowledge prior of event types. Furthermore, as external knowledge typically provides limited and imperfect coverage of event types, we introduce an adaptive knowledge-enhanced Bayesian meta-learning method to dynamically adjust the knowledge prior of event types. Experiments show our method consistently and substantially outperforms a number of baselines by at least 15 absolute F1 points under the same few-shot settings.
• Abstract（参考訳）: event detection (ed) は文中のイベントトリガワードを検出し、それらを特定のイベントタイプに分類することを目的としている。 実世界のアプリケーションでは、edは通常十分なラベル付きデータを持っていないため、少数の学習問題として定式化できる。 そこで本研究では, イベントタイプ前の知識として外部イベント知識を導入するために, 定義に基づくエンコーダを用いた, 知識に基づく新規なイベント検出手法を提案する。 さらに,外部知識はイベントタイプを限定的かつ不完全にカバーするので,イベントタイプに先立って動的に知識を調整するための適応的知識強化ベイズメタラーニング手法を導入する。 実験により,本手法は,同じ数ショット設定下において,少なくとも15個の絶対F1点の基準線を一定かつ実質的に上回ることを示す。

関連論文リスト

• Continual Few-shot Event Detection via Hierarchical Augmentation Networks [21.574099641753055]
  ラベル付きサンプルのかなりの数がアクセスできない場合、より一般的に発生するシナリオである連続的数ショットイベント検出(CFED)を導入する。 CFEDタスクは、過去のイベントタイプを記憶し、数ショットのサンプルで新しいイベントタイプを学ぶため、難しい。 本手法は,複数の連発イベント検出タスクにおいて,これらの手法を著しく上回っている。
  論文  参考訳（メタデータ） (2024-03-26T14:20:42Z)
• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• Zero- and Few-Shot Event Detection via Prompt-Based Meta Learning [45.3385722995475]
  ゼロおよび少数ショットイベント検出のためのメタ学習ベースのフレームワークであるMetaEventを提案する。 本フレームワークでは,クローゼをベースとしたプロンプトとトリガ対応ソフトを用いて,未知のイベントタイプに効率的に出力を投影する手法を提案する。 そのため、提案されたMetaEventは、事前の知識なしに、機能とイベントタイプをマッピングすることで、ゼロショットイベント検出を実行することができる。
  論文  参考訳（メタデータ） (2023-05-27T05:36:46Z)
• MsPrompt: Multi-step Prompt Learning for Debiasing Few-shot Event Detection [16.98619925632727]
  イベント検出(ED)は、構造化されていないテキストでキートリガーワードを特定し、それに従ってイベントタイプを予測することを目的としている。 従来のEDモデルは、ラベル付きデータが不足している実際のアプリケーションに対応するには、データ不足が多すぎる。 本稿では,複数ステップのプロンプト学習モデル(MsPrompt)を提案する。
  論文  参考訳（メタデータ） (2023-05-16T10:19:12Z)
• 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)
• 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)
• OntoED: Low-resource Event Detection with Ontology Embedding [19.126410765996077]
  イベント検出(ED)は、所定のテキストからイベントトリガーワードを特定し、イベントタイプに分類することを目的としている。 EDへの現在のメソッドのほとんどは、トレーニングインスタンスに大きく依存しており、イベントタイプの相関をほとんど無視しています。
  論文  参考訳（メタデータ） (2021-05-23T12:00:22Z)
• A Background-Agnostic Framework with Adversarial Training for Abnormal Event Detection in Video [120.18562044084678]
  近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。 通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-08-27T18:39:24Z)
• Extensively Matching for Few-shot Learning Event Detection [66.31312496170139]
  超視覚的な学習設定下でのイベント検出モデルは、新しいイベントタイプへの転送に失敗する。 イベント検出では、あまり画像学習は行われていない。 sup-port の例にマッチする2つのノベルロス因子を提案し,モデルにより多くのトレーニング信号を与える。
  論文  参考訳（メタデータ） (2020-06-17T18:30:30Z)

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。