Fugu-MT 論文翻訳(概要): Effective Use of Graph Convolution Network and Contextual Sub-Tree forCommodity News Event Extraction

論文の概要: Effective Use of Graph Convolution Network and Contextual Sub-Tree forCommodity News Event Extraction

arxiv url: http://arxiv.org/abs/2109.12781v1
Date: Mon, 27 Sep 2021 03:57:17 GMT
ステータス: 処理完了
システム内更新日: 2021-09-29 05:43:08.012002
Title: Effective Use of Graph Convolution Network and Contextual Sub-Tree forCommodity News Event Extraction
Title（参考訳）: グラフ畳み込みネットワークと文脈サブツリーによるニュースイベント抽出の有効利用
Authors: Meisin Lee, Lay-Ki Soon, Eu-Gene Siew
Abstract要約: 本稿では,コモディティニュースのイベントトラクションを改善するために,GCN(Graph Convolutional Networks)とPrunedDependency Parse Tree(コンテキストサブツリー)を効果的に利用することを提案する。実験の結果,提案手法の効率はF1スコアが0.90までの既存手法よりも優れていた。
参考スコア（独自算出の注目度）: 1.398696312226463
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Event extraction in commodity news is a less researched area as compared to generic event extraction. However, accurate event extraction from commodity news is useful in abroad range of applications such as under-standing event chains and learning event-event relations, which can then be used for commodity price prediction. The events found in commodity news exhibit characteristics different from generic events, hence posing a unique challenge in event extraction using existing methods. This paper proposes an effective use of Graph Convolutional Networks(GCN) with a pruned dependency parse tree, termed contextual sub-tree, for better event ex-traction in commodity news. The event ex-traction model is trained using feature embed-dings from ComBERT, a BERT-based masked language model that was produced through domain-adaptive pre-training on a commodity news corpus. Experimental results show the efficiency of the proposed solution, which out-performs existing methods with F1 scores as high as 0.90. Furthermore, our pre-trained language model outperforms GloVe by 23%, and BERT and RoBERTa by 7% in terms of argument roles classification. For the goal of re-producibility, the code and trained models are made publicly available1.
Abstract（参考訳）: 商品ニュースにおけるイベント抽出は、一般的なイベント抽出に比べて研究の少ない分野である。しかしながら、商品ニュースからの正確なイベント抽出は、未確立のイベントチェーンや、商品価格予測に使用できるイベントイベントイベント関係の学習など、海外のアプリケーションで有用である。商品ニュースで見られる出来事は、一般的な出来事とは異なる特徴を示すため、既存の方法を用いたイベント抽出においてユニークな課題が生じる。本稿では,コモディティニュースのイベントトラクションを改善するために,GCN(Graph Convolutional Networks)とPrunedDependency Parse Tree(コンテキストサブツリー)を効果的に利用することを提案する。イベント抽出モデルは、コモディティニュースコーパス上でドメイン適応型事前トレーニングによって生成されたBERTベースのマスク付き言語モデルであるComBERTの機能埋め込みを使用してトレーニングされる。実験の結果,提案手法の効率はF1スコアが0.90である既存手法よりも優れていた。さらに、事前学習された言語モデルはGloVeを23%上回り、BERTとRoBERTaを7%上回ります。再現性向上の目標として、コードとトレーニングされたモデルが公開されている。

関連論文リスト

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)
Exploring the Limits of Historical Information for Temporal Knowledge Graph Extrapolation [59.417443739208146]
本稿では,歴史的コントラスト学習の新しい学習枠組みに基づくイベント予測モデルを提案する。 CENETは、最も潜在的なエンティティを識別するために、歴史的および非歴史的依存関係の両方を学ぶ。提案したモデルを5つのベンチマークグラフで評価する。
論文参考訳（メタデータ） (2023-08-29T03:26:38Z)
Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。最近のデータ拡張手法は文法的誤りの問題を無視することが多い。本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-16T16:52:07Z)
Semantic Pivoting Model for Effective Event Detection [19.205550116466604]
Event Detectionは、構造化されていない記事からイベントインスタンスの参照を識別し、分類することを目的としている。イベント検出の既存のテクニックは、イベントタイプクラスを表現するために、均質な1ホットベクトルのみを使用しており、型の意味がタスクにとって重要であるという事実を無視している。本稿では,学習中の事前情報を明示的に組み込んで,入力とイベント間の意味的に意味のある相関関係を捉えるセマンティック・ピロリング・モデル(SPEED)を提案する。
論文参考訳（メタデータ） (2022-11-01T19:20:34Z)
Improve Event Extraction via Self-Training with Gradient Guidance [10.618929821822892]
本稿では、イベント抽出の進行を妨げる主な要因を克服するために、フィードバックによる自己評価(STF)フレームワークを提案する。 STFは,(1)既存のイベントアノテーションに基づいてトレーニングされたベースイベント抽出モデルと,(2)新しいイベント参照を擬似トレーニングサンプルとして予測するための大規模未ラベルコーパスと,(2)新しいイベントトリガ,引数,引数ロール,およびAMRグラフ内のそれらのパスを用いて互換性スコアを推定する新たなスコアリングモデルから構成される。 ACE05-E、ACE05-E+、EREを含む3つのベンチマークデータセットの実験結果
論文参考訳（メタデータ） (2022-05-25T04:40:17Z)
Syntactic-GCN Bert based Chinese Event Extraction [2.3104000011280403]
本研究では,中国語イベント抽出を行う統合フレームワークを提案する。提案するアプローチは、意味的特徴と構文的特徴を統合するマルチチャネル入力ニューラルフレームワークである。実験結果から,提案手法はベンチマーク手法よりも有意に優れていることがわかった。
論文参考訳（メタデータ） (2021-12-18T14:07:54Z)
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)
Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
論文参考訳（メタデータ） (2021-04-13T03:36:38Z)
Back to Prior Knowledge: Joint Event Causality Extraction via Convolutional Semantic Infusion [5.566928318239452]
複合イベントと因果関係抽出は,情報検索とデータマイニングにおいて極めて重要な課題である。共同抽出フレームワーク内で長さの異なる n-gram の頻繁な窓に対する畳み込み知識注入を提案する。我々のモデルは強力なBERT+CSNNベースラインをはるかに上回る。
論文参考訳（メタデータ） (2021-02-19T13:31:46Z)
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)
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)

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。