論文の概要: Event Extraction as Natural Language Generation

• arxiv url: http://arxiv.org/abs/2108.12724v1
• Date: Sun, 29 Aug 2021 00:27:31 GMT
• ステータス: 処理完了
• システム内更新日: 2021-08-31 15:01:46.707569
• Title: Event Extraction as Natural Language Generation
• Title（参考訳）: 自然言語生成としてのイベント抽出
• Authors: I-Hung Hsu, Kuan-Hao Huang, Elizabeth Boschee, Scott Miller, Prem Natarajan, Kai-Wei Chang and Nanyun Peng
• Abstract要約: イベント抽出は通常、分類または構造化予測問題として定式化される。 我々は、イベント内の複雑な依存関係をキャプチャするだけでなく、目に見えないイベントタイプやまれなイベントタイプをうまく一般化するモデルであるGenEEを提案する。 実験結果から, ゼロショット, 少数ショット, 高リソースのシナリオにおいて, イベント抽出タスクにおいて, イベント抽出タスクにおいて高い性能を達成できることが示唆された。
• 参考スコア（独自算出の注目度）: 42.081626647997616
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event extraction (EE), the task that identifies event triggers and their arguments in text, is usually formulated as a classification or structured prediction problem. Such models usually reduce labels to numeric identifiers, making them unable to take advantage of label semantics (e.g. an event type named Arrest is related to words like arrest, detain, or apprehend). This prevents the generalization to new event types. In this work, we formulate EE as a natural language generation task and propose GenEE, a model that not only captures complex dependencies within an event but also generalizes well to unseen or rare event types. Given a passage and an event type, GenEE is trained to generate a natural sentence following a predefined template for that event type. The generated output is then decoded into trigger and argument predictions. The autoregressive generation process naturally models the dependencies among the predictions -- each new word predicted depends on those already generated in the output sentence. Using carefully designed input prompts during generation, GenEE is able to capture label semantics, which enables the generalization to new event types. Empirical results show that our model achieves strong performance on event extraction tasks under all zero-shot, few-shot, and high-resource scenarios. Especially, in the high-resource setting, GenEE outperforms the state-of-the-art model on argument extraction and gets competitive results with the current best on end-to-end EE tasks.
• Abstract（参考訳）: イベントトリガーとその引数をテキストで識別するタスクであるイベント抽出(EE)は通常、分類または構造化予測問題として定式化される。 このようなモデルは通常ラベルを数値識別子に還元し、ラベルのセマンティクス(例)を活用できない。 arrest というイベントタイプは arrest, detain, あるいは apprehend といった単語に関連している)。 これにより、新しいイベントタイプへの一般化が防止される。 この作業では、EEを自然言語生成タスクとして定式化し、イベント内の複雑な依存関係をキャプチャするだけでなく、目に見えないイベントタイプやまれなイベントタイプをうまく一般化するモデルであるGenEEを提案する。 節とイベントタイプが与えられると、geneeはそのイベントタイプに対して予め定義されたテンプレートに従って自然文を生成するように訓練される。 生成された出力はトリガーと引数の予測にデコードされる。 自己回帰生成プロセスは、予測間の依存関係を自然にモデル化します。 生成中に慎重に設計された入力プロンプトを使用して、GenEEは新しいイベントタイプへの一般化を可能にするラベルセマンティクスをキャプチャすることができる。 その結果,ゼロショット,少数ショット,高リソースのすべてのシナリオにおいて,イベント抽出タスクにおいて強い性能が得られることがわかった。 特に、高リソース環境では、GenEEは引数抽出の最先端モデルよりも優れており、エンドツーエンドのEEタスクで現在最高の結果を得ることができます。

関連論文リスト

• Prompt-based Graph Model for Joint Liberal Event Extraction and Event Schema Induction [1.3154296174423619]
  イベントは、エンティティの状態の変化を記述する、スピーチとテキストの不可欠なコンポーネントである。 イベント抽出タスクは、イベントを特定して分類し、イベントスキーマに従って参加者を見つけることを目的としている。 研究者らは、イベント抽出とイベントスキーマの同時発見を目的とした、リベラルイベント抽出(LEE)を提案する。
  論文  参考訳（メタデータ） (2024-03-19T07:56:42Z)
• 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)
• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• A Generative Approach for Script Event Prediction via Contrastive Fine-tuning [35.87615178251874]
  Scriptイベント予測は、コンテキストが与えられた後続のイベントを予測することを目的としている。 近年の研究では,事前学習言語モデルと外部知識の導入により,事象相関推論の改善が試みられている。 本稿では,事前学習した言語モデルをイベント中心の事前学習目的で微調整する,新しい生成手法を提案する。
  論文  参考訳（メタデータ） (2022-12-07T07:32:47Z)
• Efficient Zero-shot Event Extraction with Context-Definition Alignment [50.15061819297237]
  イベント抽出(EE)は、テキストから関心のあるイベント参照を特定するタスクである。 イベントタイプ名の静的な埋め込みは、1つの単語があいまいなため、十分ではないかもしれない、と私たちは主張する。 我々はZED(Zero-shot Event extract with Definition)と名付けた。
  論文  参考訳（メタデータ） (2022-11-09T19:06:22Z)
• Dynamic Prefix-Tuning for Generative Template-based Event Extraction [31.581360683375337]
  動的プレフィックス(GTEE-DynPref)を用いたテンプレートベースのイベント抽出手法を提案する。 実験結果から,本モデルがACE 2005における最先端分類モデルOneIEと競合する結果が得られることが示された。 我々のモデルは、新しいタイプのイベントに効果的に移植可能であることが証明されている。
  論文  参考訳（メタデータ） (2022-05-12T15:38:34Z)
• 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)

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。