論文の概要: CasEE: A Joint Learning Framework with Cascade Decoding for Overlapping Event Extraction

• arxiv url: http://arxiv.org/abs/2107.01583v1
• Date: Sun, 4 Jul 2021 10:01:55 GMT
• ステータス: 処理完了
• システム内更新日: 2021-07-06 15:03:58.044449
• Title: CasEE: A Joint Learning Framework with Cascade Decoding for Overlapping Event Extraction
• Title（参考訳）: CasEE: 重複イベント抽出のためのカスケードデコーディングを伴う共同学習フレームワーク
• Authors: Jiawei Sheng, Shu Guo, Bowen Yu, Qian Li, Yiming Hei, Lihong Wang, Tingwen Liu and Hongbo Xu
• Abstract要約: イベント抽出(EE)は、テキスト中のイベント情報を抽出することを目的とした重要な情報抽出タスクである。 この研究は現実的な事象重なり合う問題を体系的に研究し、ある単語が異なる役割を持つ複数の型や引数を持つ引き金として機能する可能性がある。 本稿では,CasEEと呼ばれるイベント抽出を重畳するカスケードデコードを用いた新しい共同学習フレームワークを提案する。
• 参考スコア（独自算出の注目度）: 9.300138832652658
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event extraction (EE) is a crucial information extraction task that aims to extract event information in texts. Most existing methods assume that events appear in sentences without overlaps, which are not applicable to the complicated overlapping event extraction. This work systematically studies the realistic event overlapping problem, where a word may serve as triggers with several types or arguments with different roles. To tackle the above problem, we propose a novel joint learning framework with cascade decoding for overlapping event extraction, termed as CasEE. Particularly, CasEE sequentially performs type detection, trigger extraction and argument extraction, where the overlapped targets are extracted separately conditioned on the specific former prediction. All the subtasks are jointly learned in a framework to capture dependencies among the subtasks. The evaluation on a public event extraction benchmark FewFC demonstrates that CasEE achieves significant improvements on overlapping event extraction over previous competitive methods.
• Abstract（参考訳）: イベント抽出(EE)は、テキスト中のイベント情報を抽出することを目的とした重要な情報抽出タスクである。 既存のほとんどの手法では、イベントは重複のない文に現れ、複雑な重複するイベント抽出には適用できないと仮定している。 この研究は現実的な事象重なり合う問題を体系的に研究し、ある単語が異なる役割を持つ複数の型や引数を持つ引き金として機能する。 そこで本研究では,重なりイベント抽出のためのカスケード復号を用いた新しい共同学習フレームワークであるcaseeを提案する。 特に、caseeはタイプ検出、トリガー抽出、引数抽出を順次行い、重複したターゲットを特定の前者予測に基づいて別々に抽出する。 すべてのサブタスクは、サブタスク間の依存関係をキャプチャするフレームワークで共同で学習される。 公開イベント抽出ベンチマークFewFCの評価は、CasEEが従来の競合手法よりも重複イベント抽出を大幅に改善したことを示している。

関連論文リスト

• From Simple to Complex: A Progressive Framework for Document-level Informative Argument Extraction [34.37013964529546]
  イベント引数抽出(EAE)は、単一のドキュメントから複数のイベントの引数を抽出するモデルを必要とする。 文書レベルEAEのための簡易・複雑プログレッシブフレームワークを提案する。 提案手法は,F1 において SOTA を 1.4% 上回る性能を示し,EAE タスクにおいて有用であることを示す。
  論文  参考訳（メタデータ） (2023-10-25T04:38:02Z)
• Rich Event Modeling for Script Event Prediction [60.67635412135682]
  スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 予測器の中核となるコンポーネントは、任意の数の引数を柔軟に扱う変換器ベースのイベントエンコーダである。
  論文  参考訳（メタデータ） (2022-12-16T05:17:59Z)
• 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)
• 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)
• 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)
• Semi-supervised New Event Type Induction and Description via Contrastive Loss-Enforced Batch Attention [56.46649994444616]
  マスク付きコントラスト損失を用いた半教師付き新しいイベント型誘導手法を提案する。 私たちは、発見したクラスタの型名を予測し、FrameNetフレームにリンクするという、2つの新しいタスクにアプローチを拡張しました。
  論文  参考訳（メタデータ） (2022-02-12T00:32:22Z)
• 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)
• 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)
• Probing and Fine-tuning Reading Comprehension Models for Few-shot Event Extraction [17.548548562222766]
  イベント抽出のための読解フレームワークを提案する。 適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。 本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-21T21:48:39Z)
• Event Extraction by Answering (Almost) Natural Questions [40.13163091122463]
  質問応答(QA)タスクとして定式化することで,イベント抽出のための新しいパラダイムを導入する。 実験結果から,我々のフレームワークは先行手法を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-04-28T16:15:46Z)

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。