論文の概要: Event Extraction by Associating Event Types and Argument Roles
- arxiv url: http://arxiv.org/abs/2108.10038v1
- Date: Mon, 23 Aug 2021 10:09:39 GMT
- ステータス: 処理完了
- システム内更新日: 2021-08-24 15:51:28.636780
- Title: Event Extraction by Associating Event Types and Argument Roles
- Title（参考訳）: イベントタイプと引数ロールの関連付けによるイベント抽出
- Authors: Qian Li, Shu Guo, Jia Wu, Jianxin Li, Jiawei Sheng, Lihong Wang,
Xiaohan Dong, Hao Peng
- Abstract要約: イベント抽出(EE)は、イベントタイプ分類と要素抽出の2つのサブタスクに分けられる。
本稿では,脳波タスクのための新しいニューラルネットワークフレームワークを提案する。
実験結果から,本手法は両サブタスクにおいて,最先端のEE手法よりも一貫して優れていることがわかった。
- 参考スコア（独自算出の注目度）: 26.877240015683636
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: Event extraction (EE), which acquires structural event knowledge from texts,
can be divided into two sub-tasks: event type classification and element
extraction (namely identifying triggers and arguments under different role
patterns). As different event types always own distinct extraction schemas
(i.e., role patterns), previous work on EE usually follows an isolated learning
paradigm, performing element extraction independently for different event
types. It ignores meaningful associations among event types and argument roles,
leading to relatively poor performance for less frequent types/roles. This
paper proposes a novel neural association framework for the EE task. Given a
document, it first performs type classification via constructing a
document-level graph to associate sentence nodes of different types, and
adopting a graph attention network to learn sentence embeddings. Then, element
extraction is achieved by building a universal schema of argument roles, with a
parameter inheritance mechanism to enhance role preference for extracted
elements. As such, our model takes into account type and role associations
during EE, enabling implicit information sharing among them. Experimental
results show that our approach consistently outperforms most state-of-the-art
EE methods in both sub-tasks. Particularly, for types/roles with less training
data, the performance is superior to the existing methods.
- Abstract（参考訳）: イベント抽出(EE)は、テキストから構造的なイベント知識を取得するもので、イベントタイプ分類と要素抽出(つまり、異なる役割パターンの下でトリガと引数を識別する)の2つのサブタスクに分けられる。
異なるイベントタイプは常に異なる抽出スキーマ(すなわちロールパターン)を持っているため、eeに関する以前の作業は、通常独立した学習パラダイムに従い、異なるイベントタイプに対して独立して要素抽出を行う。
イベントタイプと引数ロール間の有意義な関連を無視し、頻度の低い型/ロールに対して比較的低いパフォーマンスをもたらす。
本稿では、eeタスクのための新しいニューラルアソシエーションフレームワークを提案する。
文書が与えられた場合、まず、異なるタイプの文ノードを関連付けるために文書レベルのグラフを構築し、グラフ注意ネットワークを用いて文の埋め込みを学習することで、型分類を行う。
次に、引数ロールの普遍的スキーマを構築して要素抽出を行い、抽出された要素の役割嗜好を高めるパラメータ継承機構を構築する。
このように、私たちのモデルは、EE中のタイプや役割の関連を考慮に入れ、それら間で暗黙の情報共有を可能にします。
実験の結果,提案手法は両サブタスクにおいて,最先端のEE手法よりも一貫して優れていることがわかった。
特にトレーニングデータが少ないタイプ/ロールの場合、パフォーマンスは既存のメソッドよりも優れている。
関連論文リスト
- 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) - Open-Vocabulary Argument Role Prediction for Event Extraction [70.93524366880521]
本稿では,この本質的だが未探索な課題,すなわち開語彙的引数ロール予測を定義する。
このタスクの目標は、所定のイベントタイプに対する引数ロールのセットを推論することである。
本稿では,この課題に対する新しい教師なしフレームワークであるRolePredを提案する。
論文 参考訳（メタデータ） (2022-11-03T04:13:37Z) - Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。
我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
論文 参考訳（メタデータ） (2022-10-12T14:37:00Z) - 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) - Writing Style Aware Document-level Event Extraction [11.146719375024674]
イベント抽出技術は、ドキュメントから構造情報を自動取得することを目的としている。
既存の研究の多くは、トークンを異なる役割として区別し、文書の書式を無視してこの問題について議論している。
我々は、トークンの役割を判断するための重要な手がかりを含む書体スタイルと、そのようなパターンの無知がパフォーマンスの低下につながるかもしれないと論じる。
論文 参考訳（メタデータ） (2022-01-10T06:54:06Z) - 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) - 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) - Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
本稿では,OED(Ongoing Event Detection)タスクを紹介する。
目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。
構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
論文 参考訳（メタデータ） (2020-07-02T20:44:05Z) - Document-Level Event Role Filler Extraction using Multi-Granularity
Contextualized Encoding [40.13163091122463]
イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。
まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。
私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
論文 参考訳（メタデータ） (2020-05-13T20:42:17Z)
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。