論文の概要: Document-level Event Extraction via Heterogeneous Graph-based
Interaction Model with a Tracker
- arxiv url: http://arxiv.org/abs/2105.14924v1
- Date: Mon, 31 May 2021 12:45:03 GMT
- ステータス: 処理完了
- システム内更新日: 2021-06-01 17:48:32.740564
- Title: Document-level Event Extraction via Heterogeneous Graph-based
Interaction Model with a Tracker
- Title(参考訳): 不均一グラフとトラッカーとの相互作用モデルによる文書レベルのイベント抽出
- Authors: Runxin Xu, Tianyu Liu, Lei Li, Baobao Chang
- Abstract要約: 文書レベルのイベント抽出は、記事全体からイベント情報を認識することを目的としている。
この2つの課題のために既存の手法は有効ではない。
トラッカーを用いた異種グラフベースインタラクションモデルを提案する。
- 参考スコア(独自算出の注目度): 23.990907956996413
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Document-level event extraction aims to recognize event information from a
whole piece of article. Existing methods are not effective due to two
challenges of this task: a) the target event arguments are scattered across
sentences; b) the correlation among events in a document is non-trivial to
model. In this paper, we propose Heterogeneous Graph-based Interaction Model
with a Tracker (GIT) to solve the aforementioned two challenges. For the first
challenge, GIT constructs a heterogeneous graph interaction network to capture
global interactions among different sentences and entity mentions. For the
second, GIT introduces a Tracker module to track the extracted events and hence
capture the interdependency among the events. Experiments on a large-scale
dataset (Zheng et al., 2019) show GIT outperforms the previous methods by 2.8
F1. Further analysis reveals GIT is effective in extracting multiple correlated
events and event arguments that scatter across the document. Our code is
available at https://github.com/RunxinXu/GIT.
- Abstract(参考訳): ドキュメントレベルのイベント抽出は、記事全体からイベント情報を認識することを目的としている。
既存の方法は、このタスクの2つの課題のために有効ではない: (a) 対象のイベント引数が文に分散している; (b) 文書内のイベント間の相関は、モデル化するのは簡単ではない。
本稿では、前述の2つの課題を解決するために、トラッカー(GIT)を用いた不均一グラフベースインタラクションモデルを提案する。
最初の課題として、GITは異種グラフ相互作用ネットワークを構築し、異なる文とエンティティの参照の間でのグローバルな相互作用をキャプチャする。
第2に、GITは、抽出されたイベントを追跡し、イベント間の相互依存性をキャプチャするトラッカーモジュールを導入した。
大規模なデータセット(Zheng et al., 2019)の実験では、GITは以前の手法を2.8 F1で上回っている。
さらに分析したところ、GITは文書に散らばる複数の相関するイベントやイベント引数を抽出するのに有効であることがわかった。
私たちのコードはhttps://github.com/RunxinXu/GITで利用可能です。
関連論文リスト
- TacoERE: Cluster-aware Compression for Event Relation Extraction [47.89154684352463]
イベント関係抽出は自然言語処理における決定的かつ基本的な課題である。
イベント関係抽出(TacoERE)を改善するクラスタ対応圧縮法を提案する。
論文 参考訳(メタデータ) (2024-05-11T03:06:08Z) - 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) - Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。
本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。
AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
論文 参考訳(メタデータ) (2023-04-02T08:23:20Z) - 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) - RAAT: Relation-Augmented Attention Transformer for Relation Modeling in
Document-Level Event Extraction [16.87868728956481]
我々はRelation-augmented Document-level Event extract (ReDEE)と呼ばれる関係依存をモデル化できる新しいDEEフレームワークを提案する。
関連情報をさらに活用するために,個別のイベント関連予測タスクを導入し,マルチタスク学習方式を採用し,イベント抽出性能を明示的に向上する。
論文 参考訳(メタデータ) (2022-06-07T15:11:42Z) - EA$^2$E: Improving Consistency with Event Awareness for Document-Level
Argument Extraction [52.43978926985928]
本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。
WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
論文 参考訳(メタデータ) (2022-05-30T04:33:51Z) - ERGO: Event Relational Graph Transformer for Document-level Event
Causality Identification [24.894074201193927]
イベントレベルのイベント因果同定(DECI)は、文書内のイベントペア間の因果関係を特定することを目的としている。
DeCIのための新しいグラフトランスフォーマー(ERGO)フレームワークを提案する。
論文 参考訳(メタデータ) (2022-04-15T12:12:16Z) - Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。
提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。
実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
論文 参考訳(メタデータ) (2021-10-25T13:56:00Z) - 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) - 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)
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。