論文の概要: Integrating Deep Event-Level and Script-Level Information for Script Event Prediction

• arxiv url: http://arxiv.org/abs/2110.15706v1
• Date: Fri, 24 Sep 2021 07:37:32 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-13 20:50:37.511320
• Title: Integrating Deep Event-Level and Script-Level Information for Script Event Prediction
• Title（参考訳）: スクリプトイベント予測のためのディープイベントレベルとスクリプトレベル情報の統合
• Authors: Long Bai, Saiping Guan, Jiafeng Guo, Zixuan Li, Xiaolong Jin, Xueqi Cheng
• Abstract要約: 本稿では,MCPredictorと呼ばれるTransformerベースのモデルを提案する。 The experimental results on the wide-useed New York Times corpus showed the effectiveness and superiority of the proposed model。
• 参考スコア（独自算出の注目度）: 60.67635412135681
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Scripts are structured sequences of events together with the participants, which are extracted from the texts.Script event prediction aims to predict the subsequent event given the historical events in the script. Two kinds of information facilitate this task, namely, the event-level information and the script-level information. At the event level, existing studies view an event as a verb with its participants, while neglecting other useful properties, such as the state of the participants. At the script level, most existing studies only consider a single event sequence corresponding to one common protagonist. In this paper, we propose a Transformer-based model, called MCPredictor, which integrates deep event-level and script-level information for script event prediction. At the event level, MCPredictor utilizes the rich information in the text to obtain more comprehensive event semantic representations. At the script-level, it considers multiple event sequences corresponding to different participants of the subsequent event. The experimental results on the widely-used New York Times corpus demonstrate the effectiveness and superiority of the proposed model.
• Abstract（参考訳）: スクリプトは参加者と一緒にイベントの構造化されたシーケンスであり、テキストから抽出される。scriptイベント予測は、スクリプトの歴史的なイベントが与えられた後のイベントを予測することを目的としている。 2種類の情報、すなわち、イベントレベルの情報とスクリプトレベルの情報である。 イベントレベルでは、既存の研究は、イベントを参加者との動詞とみなし、参加者の状態のような他の有用な特性を無視している。 スクリプトレベルでは、既存の研究のほとんどは、ひとつの共通の主人公に対応する単一のイベントシーケンスのみを考慮している。 本稿では,スクリプトイベント予測のための深いイベントレベルとスクリプトレベルの情報を統合した,mcpredictorと呼ばれるトランスフォーマティブモデルを提案する。 イベントレベルでは、mcpredictorはテキストの豊富な情報を利用してより包括的なイベント意味表現を得る。 スクリプトレベルでは、次のイベントの異なる参加者に対応する複数のイベントシーケンスを考える。 広く使われているニューヨーク・タイムズ・コーパスの実験結果は、提案モデルの有効性と優位性を示している。

関連論文リスト

• Grounding Partially-Defined Events in Multimodal Data [61.0063273919745]
  部分定義イベントに対するマルチモーダル定式化を導入し、これらのイベントの抽出を3段階スパン検索タスクとしてキャストする。 このタスクのベンチマークであるMultiVENT-Gを提案し,22.8Kのラベル付きイベント中心エンティティを含む,14.5時間の高密度アノテーション付き現在のイベントビデオと1,168のテキストドキュメントからなる。 結果は、イベント理解の抽象的な課題を示し、イベント中心のビデオ言語システムにおける約束を実証する。
  論文  参考訳（メタデータ） (2024-10-07T17:59:48Z)
• What Would Happen Next? Predicting Consequences from An Event Causality Graph [23.92119748794742]
  既存のスクリプトイベント予測タスクは、イベントスクリプトチェーンに基づいて、その後のイベントを転送する。 本稿では,事象因果グラフ(ECG)に基づく連続事象を予測する因果グラフイベント予測タスクを提案する。
  論文  参考訳（メタデータ） (2024-09-26T02:34:08Z)
• PromptCL: Improving Event Representation via Prompt Template and Contrastive Learning [3.481567499804089]
  本稿では,イベント表現学習のための新しいフレームワークであるPromptCLを紹介する。 PromptCLは、短いイベントテキストのセマンティクスを包括的にキャプチャするPLMの機能を提供する。 実験の結果,PromptCLはイベント関連タスクにおける最先端のベースラインよりも優れていた。
  論文  参考訳（メタデータ） (2024-04-27T12:22:43Z)
• Rich Event Modeling for Script Event Prediction [60.67635412135682]
  スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 予測器の中核となるコンポーネントは、任意の数の引数を柔軟に扱う変換器ベースのイベントエンコーダである。
  論文  参考訳（メタデータ） (2022-12-16T05:17:59Z)
• CLIP-Event: Connecting Text and Images with Event Structures [123.31452120399827]
  視覚言語事前学習モデルを適用したコントラスト学習フレームワークを提案する。 我々は、イベント構造知識を得るために、テキスト情報抽出技術を利用する。 実験により、ゼロショットCLIP-Eventは引数抽出において最先端の教師付きモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-13T17:03:57Z)
• proScript: Partially Ordered Scripts Generation via Pre-trained Language Models [49.03193243699244]
  我々は、トレーニング済みのニューラルネットワークモデル(LM)が高品質なスクリプトを生成するために微調整できることを初めて実証した。 クラウドソースされた部分的に順序付けられたスクリプト(proScriptという名前)を収集しました。 私たちの実験では、これまでのスクリプトコレクションの障壁を克服するための新しいアプローチを示す(例えば、タスク(i)中のf1=75.7)。
  論文  参考訳（メタデータ） (2021-04-16T17:35:10Z)
• Machine-Assisted Script Curation [7.063255210805794]
  人間と機械の協調スクリプト作成のためのシステムであるMASC(Machine-Aided Script Curator)について説明します。 MASCはスクリプト作成プロセスの一部を自動化し、イベントタイプ、Wikidataへのリンク、忘れられたかもしれないサブイベントを提案する。
  論文  参考訳（メタデータ） (2021-01-14T00:19:21Z)
• Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring Sequential Events Detection for Dense Video Captioning [63.91369308085091]
  本稿では、イベントシーケンス生成のための新規でシンプルなモデルを提案し、ビデオ中のイベントシーケンスの時間的関係を探索する。 提案モデルでは,非効率な2段階提案生成を省略し,双方向時間依存性を条件としたイベント境界を直接生成する。 総合システムは、チャレンジテストセットの9.894 METEORスコアで、ビデオタスクにおける密封イベントの最先端のパフォーマンスを達成する。
  論文  参考訳（メタデータ） (2020-06-14T13:21:37Z)

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。