論文の概要: Generating Disentangled Arguments with Prompts: A Simple Event Extraction Framework that Works

• arxiv url: http://arxiv.org/abs/2110.04525v1
• Date: Sat, 9 Oct 2021 09:36:08 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-12 13:11:12.826549
• Title: Generating Disentangled Arguments with Prompts: A Simple Event Extraction Framework that Works
• Title（参考訳）: Promptsで区切られた引数を生成する: 機能するシンプルなイベント抽出フレームワーク
• Authors: Jinghui Si, Xutan Peng, Chen Li, Haotian Xu, Jianxin Li
• Abstract要約: イベント抽出は、テキストとイベント信号の間のギャップを橋渡しする。 イベント抽出の領域にプロンプトベースの学習戦略を導入する。 Argument extractのF1スコアに関しては、私たちのシンプルなアーキテクチャは他のどの生成的アーキテクチャよりも強いです。
• 参考スコア（独自算出の注目度）: 9.36117752274482
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event Extraction bridges the gap between text and event signals. Based on the assumption of trigger-argument dependency, existing approaches have achieved state-of-the-art performance with expert-designed templates or complicated decoding constraints. In this paper, for the first time we introduce the prompt-based learning strategy to the domain of Event Extraction, which empowers the automatic exploitation of label semantics on both input and output sides. To validate the effectiveness of the proposed generative method, we conduct extensive experiments with 11 diverse baselines. Empirical results show that, in terms of F1 score on Argument Extraction, our simple architecture is stronger than any other generative counterpart and even competitive with algorithms that require template engineering. Regarding the measure of recall, it sets new overall records for both Argument and Trigger Extractions. We hereby recommend this framework to the community, with the code publicly available at https://git.io/GDAP.
• Abstract（参考訳）: イベント抽出は、テキストとイベント信号の間のギャップを埋める。 トリガ引数依存性の仮定に基づいて、既存のアプローチはエキスパート設計のテンプレートや複雑なデコード制約で最先端のパフォーマンスを達成した。 本稿では,入力側と出力側の両方でラベルセマンティクスの自動活用を促進するイベント抽出の領域において,プロンプトベースの学習戦略を初めて紹介する。 提案手法の有効性を検証するため,11種類のベースラインを用いて広範な実験を行った。 経験的な結果は、Argument extractのF1スコアに関して、私たちの単純なアーキテクチャは他の生成的アーキテクチャよりも強く、テンプレートエンジニアリングを必要とするアルゴリズムと競合することを示している。 リコールの尺度に関して、引数とトリガーの抽出の両方について、新しい全体的なレコードを設定する。 ここでは、このフレームワークをコミュニティに推奨し、コードはhttps://git.io/GDAP.orgで公開しています。

関連論文リスト

• Complex Reasoning over Logical Queries on Commonsense Knowledge Graphs [61.796960984541464]
  論理クエリをサンプリングして作成した新しいデータセットであるCOM2(COMplex COMmonsense)を提示する。 我々は、手書きのルールと大きな言語モデルを用いて、複数の選択とテキスト生成の質問に言語化します。 COM2でトレーニングされた言語モデルでは、複雑な推論能力が大幅に改善されている。
  論文  参考訳（メタデータ） (2024-03-12T08:13:52Z)
• 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)
• Global Constraints with Prompting for Zero-Shot Event Argument Classification [49.84347224233628]
  我々は、アノテーションやタスク固有のトレーニングを使わずに、イベント引数の分類に取り組むよう促すことで、グローバルな制約を利用することを提案する。 事前訓練された言語モデルは、新しいパスをスコアし、最初の予測を行う。 私たちの新しいプロンプトテンプレートは、手作業なしで、すべてのイベントや引数タイプに簡単に適応できます。
  論文  参考訳（メタデータ） (2023-02-09T06:39:29Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• Dynamic Global Memory for Document-level Argument Extraction [63.314514124716936]
  文書レベルのイベント引数抽出のための,新しいグローバルなニューラルジェネレーションベースのフレームワークを提案する。 文書メモリストアを使用してコンテキストイベント情報を記録し、それを暗黙的に明示的に活用することで、後のイベントの引数の復号に役立ちます。 実験結果から,我々のフレームワークは従来の手法よりも大幅に優れていたことが判明した。
  論文  参考訳（メタデータ） (2022-09-18T23:45:25Z)
• 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)
• Efficient Document-level Event Extraction via Pseudo-Trigger-aware Pruned Complete Graph [15.925704154438638]
  完全グラフ上でイベント引数の組み合わせ抽出を行う非自己回帰復号アルゴリズムを設計する。 従来のシステムと比較すると、トレーニングに3.6%のGPU時間(pfs-days)しか必要とせず、推論に最大8.5倍高速である。
  論文  参考訳（メタデータ） (2021-12-11T16:01:29Z)
• 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)

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。