論文の概要: Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding

• arxiv url: http://arxiv.org/abs/2110.07476v1
• Date: Thu, 14 Oct 2021 15:49:40 GMT
• ステータス: 処理完了
• システム内更新日: 2021-10-15 17:53:43.736851
• Title: Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding
• Title（参考訳）: クエリと抽出: 型指向バイナリデコードとしてのイベント抽出の洗練
• Authors: Sijia Wang, Mo Yu, Shiyu Chang, Lichao Sun, Lifu Huang
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 51.57864297948228
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event extraction is typically modeled as a multi-class classification problem where both event types and argument roles are treated as atomic symbols. These approaches are usually limited to a set of pre-defined types. We propose a novel event extraction framework that takes event types and argument roles as natural language queries to extract candidate triggers and arguments from the input text. With the rich semantics in the queries, our framework benefits from the attention mechanisms to better capture the semantic correlation between the event types or argument roles and the input text. Furthermore, the query-and-extract formulation allows our approach to leverage all available event annotations from various ontologies as a unified model. Experiments on two public benchmarks, ACE and ERE, demonstrate that our approach achieves state-of-the-art performance on each dataset and significantly outperforms existing methods on zero-shot event extraction. We will make all the programs publicly available once the paper is accepted.
• Abstract（参考訳）: イベント抽出は通常、イベントタイプと引数の役割の両方が原子記号として扱われるマルチクラス分類問題としてモデル化される。 これらのアプローチは通常、事前に定義された型に制限される。 入力テキストから候補トリガと引数を抽出するために,イベントタイプと引数ロールを自然言語クエリとして取り出す新しいイベント抽出フレームワークを提案する。 クエリのリッチなセマンティクスによって、私たち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間のセマンティクス相関をよりよく捉えるための注意機構の恩恵を受けます。 さらに、クエリ・アンド・抽出方式により、様々なオントロジーから利用可能なすべてのイベントアノテーションを統一モデルとして活用することができる。 ACE と ERE の2つの公開ベンチマーク実験により,提案手法が各データセットの最先端性能を実現し,ゼロショットイベント抽出における既存手法を著しく上回ることを示す。 論文が受理されたら、すべてのプログラムを公開します。

関連論文リスト

• Open Relation and Event Type Discovery with Type Abstraction [80.92395639632383]
  ここでは、モデルを一般化し、型を命名するよう促される型抽象化の考え方を紹介します。 推論された名前の類似性を利用してクラスタを誘導する。 複数の関係抽出およびイベントデータセット抽出に関する実験は、型抽象化アプローチの利点を一貫して示している。
  論文  参考訳（メタデータ） (2022-11-30T23:47:49Z)
• 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)
• PILED: An Identify-and-Localize Framework for Few-Shot Event Detection [79.66042333016478]
  本研究では,事前学習した言語モデルから事象関連知識を引き出すために,クローゼプロンプトを用いた。 型固有のパラメータの数を最小化し、新しい型に対するイベント検出タスクに迅速に適応できるようにします。
  論文  参考訳（メタデータ） (2022-02-15T18:01:39Z)
• Corpus-based Open-Domain Event Type Induction [78.76531329136708]
  本研究では,コーパスに基づくオープンドメインイベント型誘導手法を提案する。 それぞれのイベントタイプを、述語感覚、オブジェクトヘッダーのペアのクラスタとして表現します。 我々の実験は、異なるドメインから得られた3つのデータセットに基づいて、健全で高品質なイベントタイプを見つけることができることを示す。
  論文  参考訳（メタデータ） (2021-09-07T20:42:44Z)
• Event Extraction by Associating Event Types and Argument Roles [26.877240015683636]
  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。
  論文  参考訳（メタデータ） (2021-08-23T10:09:39Z)
• 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)
• Probing and Fine-tuning Reading Comprehension Models for Few-shot Event Extraction [17.548548562222766]
  イベント抽出のための読解フレームワークを提案する。 適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。 本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-21T21:48:39Z)

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。