論文の概要: Capturing Event Argument Interaction via A Bi-Directional Entity-Level Recurrent Decoder

• arxiv url: http://arxiv.org/abs/2107.00189v1
• Date: Thu, 1 Jul 2021 02:55:12 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-03 01:48:07.016185
• Title: Capturing Event Argument Interaction via A Bi-Directional Entity-Level Recurrent Decoder
• Title（参考訳）: 双方向エンティティレベルリカレントデコーダによるイベント引数インタラクションのキャプチャ
• Authors: Xiangyu Xi, Wei Ye, Shikun Zhang, Quanxiu Wang, Huixing Jiang, Wei Wu
• Abstract要約: イベント引数抽出(EAE)をSeq2Seqライクな学習問題として初めて定式化する。 新たな双方向エンティティレベルリカレントデコーダ(BERD)を用いたニューラルアーキテクチャを提案する。
• 参考スコア（独自算出の注目度）: 7.60457018063735
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Capturing interactions among event arguments is an essential step towards robust event argument extraction (EAE). However, existing efforts in this direction suffer from two limitations: 1) The argument role type information of contextual entities is mainly utilized as training signals, ignoring the potential merits of directly adopting it as semantically rich input features; 2) The argument-level sequential semantics, which implies the overall distribution pattern of argument roles over an event mention, is not well characterized. To tackle the above two bottlenecks, we formalize EAE as a Seq2Seq-like learning problem for the first time, where a sentence with a specific event trigger is mapped to a sequence of event argument roles. A neural architecture with a novel Bi-directional Entity-level Recurrent Decoder (BERD) is proposed to generate argument roles by incorporating contextual entities' argument role predictions, like a word-by-word text generation process, thereby distinguishing implicit argument distribution patterns within an event more accurately.
• Abstract（参考訳）: イベント引数間の相互作用をキャプチャすることは、堅牢なイベント引数抽出(EAE)への重要なステップである。 しかし、この方向の既存の取り組みには2つの制限がある: 1) 文脈的エンティティの引数ロール型情報は、主に訓練信号として利用され、それが意味的に豊かな入力特徴として直接採用される可能性を無視している; 2) 議論レベルのシーケンシャルセマンティクスは、イベント参照に対する引数ロールの全体的な分布パターンを暗示している。 上記の2つのボトルネックに対処するため、EAEをSeq2Seqのような学習問題として初めて定式化し、特定のイベントトリガを持つ文を一連のイベント引数ロールにマッピングする。 新しい双方向エンティティレベルリカレントデコーダ(berd)を用いたニューラルアーキテクチャを提案し、単語毎テキスト生成プロセスのような文脈的エンティティの引数ロール予測を組み込むことにより、イベント内の暗黙的な引数分散パターンをより正確に識別する。

関連論文リスト

• 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)
• Enhancing Document-level Event Argument Extraction with Contextual Clues and Role Relevance [12.239459451494872]
  ドキュメントレベルのイベント引数抽出は、ロングインプットとクロスセンス推論という新たな課題を引き起こす。 本研究では,Span-Triggerに基づくコンテキストプーリングと潜在ロールガイダンスモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:29:10Z)
• Joint Event Extraction via Structural Semantic Matching [12.248124072173935]
  イベント抽出(EE)は、情報抽出において不可欠なタスクの1つである。 本稿では,イベントタイプの意味的特徴を符号化し,対象テキストと構造的マッチングを行う。
  論文  参考訳（メタデータ） (2023-06-06T07:42:39Z)
• Bi-Directional Iterative Prompt-Tuning for Event Argument Extraction [7.20903061029676]
  イベント引数抽出(EAE)のための双方向反復的プロンプトチューニング手法を提案する。 提案手法は,コンテクストエンティティの引数ロールをプロンプト構成に導入することにより,イベント引数の相互作用を探索する。 ACE 2005 の英語データセットにおける標準および低リソース設定による実験により,提案手法がピア・オブ・ザ・アーティファクト法を著しく上回ることを示した。
  論文  参考訳（メタデータ） (2022-10-28T02:31:59Z)
• 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)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)
• Pairwise Representation Learning for Event Coreference [73.10563168692667]
  イベント参照ペアのためのペアワイズ表現学習(Pairwise Representation Learning, PairwiseRL)手法を開発した。 私たちの表現は、イベントとその引数のエンコーディングを容易にするために、テキストスニペットのより微細で構造化された表現をサポートします。 PairwiseRLは、その単純さにもかかわらず、クロスドキュメントとイントラドキュメントのイベントコアベンチマークベンチマークの両方において、従来の最先端のイベントコアシステムよりも優れていることを示す。
  論文  参考訳（メタデータ） (2020-10-24T06:55:52Z)
• Resource-Enhanced Neural Model for Event Argument Extraction [28.812507794694543]
  イベント引数抽出は、イベントの引数を特定し、それらの引数が果たす役割を分類することを目的としている。 本稿では,複数種類のトリガ依存シーケンス表現を持つトリガ対応シーケンスエンコーダを提案する。 ACE2005ベンチマーク実験により,本手法が新たな最先端技術を実現することを示す。
  論文  参考訳（メタデータ） (2020-10-06T21:00:54Z)
• Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
  そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。 我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。 この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。