論文の概要: Salience-Aware Event Chain Modeling for Narrative Understanding

• arxiv url: http://arxiv.org/abs/2109.10475v1
• Date: Wed, 22 Sep 2021 01:34:03 GMT
• ステータス: 処理完了
• システム内更新日: 2021-09-23 22:07:47.844418
• Title: Salience-Aware Event Chain Modeling for Narrative Understanding
• Title（参考訳）: 物語理解のためのSalience-Aware Event Chain Modeling
• Authors: Xiyang Zhang, Muhao Chen, Jonathan May
• Abstract要約: 自然言語テキストから主鎖を抽出する手法を提案する。 抽出した連鎖上で大きな言語モデルを事前学習することにより、イベントチェーンの明確な理解から恩恵を受ける2つのタスクの改善が得られることを示す。
• 参考スコア（独自算出の注目度）: 22.27295378297949
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Storytelling, whether via fables, news reports, documentaries, or memoirs, can be thought of as the communication of interesting and related events that, taken together, form a concrete process. It is desirable to extract the event chains that represent such processes. However, this extraction remains a challenging problem. We posit that this is due to the nature of the texts from which chains are discovered. Natural language text interleaves a narrative of concrete, salient events with background information, contextualization, opinion, and other elements that are important for a variety of necessary discourse and pragmatics acts but are not part of the principal chain of events being communicated. We introduce methods for extracting this principal chain from natural language text, by filtering away non-salient events and supportive sentences. We demonstrate the effectiveness of our methods at isolating critical event chains by comparing their effect on downstream tasks. We show that by pre-training large language models on our extracted chains, we obtain improvements in two tasks that benefit from a clear understanding of event chains: narrative prediction and event-based temporal question answering. The demonstrated improvements and ablative studies confirm that our extraction method isolates critical event chains.
• Abstract（参考訳）: ストーリーテリングは、ファブレット、ニュースレポート、ドキュメンタリー、あるいは回想録を通じても、一緒に取り組んだ興味深い、関連する出来事のコミュニケーションとして、具体的なプロセスを形成することができる。 このようなプロセスを表すイベントチェーンを抽出することが望ましい。 しかし、この抽出は依然として難しい問題である。 これは、連鎖が発見されたテキストの性質によるものであると仮定する。 自然言語のテクストは、背景情報、文脈化、意見、その他様々な必要な言論や実践的行為に重要な要素を持つ具体的な、健全な出来事の物語をインターリーブするが、伝達される出来事の主要な連鎖には含まれない。 そこで本研究では,自然言語テキストから主鎖を抽出する手法について紹介する。 本手法は,下流タスクに対する影響を比較することで,重要なイベントチェーンを分離する上での有効性を示す。 抽出したチェーン上で大規模言語モデルを事前学習することにより,イベントチェーンを明確に理解することで得られる2つのタスク – ナラティブ予測とイベントベースの時間的質問応答 – の改善が得られます。 その結果,提案手法が重要なイベント連鎖を分離することを確認した。

関連論文リスト

• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• Towards Event Extraction from Speech with Contextual Clues [61.164413398231254]
  本稿では,音声イベント抽出(SpeechEE)タスクを導入し,3つの合成トレーニングセットと1つの人為的テストセットを構築した。 テキストからのイベント抽出と比較して、SpeechEEは、主に連続的で単語境界を持たない複雑な音声信号のために、より大きな課題を提起する。 我々の手法はすべてのデータセットに大幅な改善をもたらし、最大10.7%のF1ゲインを達成する。
  論文  参考訳（メタデータ） (2024-01-27T11:07:19Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• 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)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Curriculum Learning for Goal-Oriented Semantic Communications with a Common Language [60.85719227557608]
  話者とリスナーが協調して一連のタスクを実行することを可能にするために,総合目標指向のセマンティックコミュニケーションフレームワークを提案する。 話者とリスナーのセマンティックコミュニケーションを実現するために,階層的信念に基づく共通言語を提案する。 最適化問題は、イベントの完全かつ抽象的な記述を決定するために定義される。
  論文  参考訳（メタデータ） (2022-04-21T22:36:06Z)
• 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)
• Event Argument Extraction using Causal Knowledge Structures [9.56216681584111]
  イベント引数抽出とは、特定のイベントのために構造化されていないテキストから構造化情報を抽出するタスクを指します。 既存の作業のほとんどは、このタスクを文レベルでモデル化し、コンテキストをローカルスコープに制限する。 複雑なイベント引数の抽出を支援するために,ドキュメントレベルのイベント情報を注入する外部知識支援アプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-02T13:59:07Z)
• Causal BERT : Language models for causality detection between events expressed in text [1.0756038762528868]
  イベント間の因果関係の理解は、ヘルスケア、ビジネスリスク管理、財務など、多くの分野で役立ちます。 自然言語イベント間の「因果関係」は、暗黙的に表現されることが多いため、単に挑戦を続ける。 提案手法は3つの異なるデータ分布において最先端の性能を達成し,因果図の抽出に利用できる。
  論文  参考訳（メタデータ） (2020-12-10T04:59:12Z)

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。