論文の概要: An overview of event extraction and its applications

• arxiv url: http://arxiv.org/abs/2111.03212v1
• Date: Fri, 5 Nov 2021 01:37:47 GMT
• ステータス: 処理完了
• システム内更新日: 2021-11-09 00:38:45.343331
• Title: An overview of event extraction and its applications
• Title（参考訳）: イベント抽出とその応用の概要
• Authors: Jiangwei Liu, Liangyu Min and Xiaohong Huang
• Abstract要約: 本研究では,現在最先端のイベント抽出手法とそのテキストからの応用について概説する。 この調査の特徴は、適度な複雑さの概観を提供し、特定のアプローチの詳細が多すぎることを避けることである。
• 参考スコア（独自算出の注目度）: 1.8047694351309205
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: With the rapid development of information technology, online platforms have produced enormous text resources. As a particular form of Information Extraction (IE), Event Extraction (EE) has gained increasing popularity due to its ability to automatically extract events from human language. However, there are limited literature surveys on event extraction. Existing review works either spend much effort describing the details of various approaches or focus on a particular field. This study provides a comprehensive overview of the state-of-the-art event extraction methods and their applications from text, including closed-domain and open-domain event extraction. A trait of this survey is that it provides an overview in moderate complexity, avoiding involving too many details of particular approaches. This study focuses on discussing the common characters, application fields, advantages, and disadvantages of representative works, ignoring the specificities of individual approaches. Finally, we summarize the common issues, current solutions, and future research directions. We hope this work could help researchers and practitioners obtain a quick overview of recent event extraction.
• Abstract（参考訳）: 情報技術の急速な発展により、オンラインプラットフォームは膨大なテキストリソースを生み出した。 イベント抽出(EE)は、情報抽出(IE)の特定の形態として、人間の言語からイベントを自動的に抽出する能力によって人気が高まっている。 しかし、イベント抽出に関する文献調査は限られている。 既存のレビューは、様々なアプローチの詳細を説明するのに多くの時間を費やすか、特定の分野にフォーカスする。 本研究は,クローズドドメインとオープンドメインイベント抽出を含む,テキストからのイベント抽出手法とそれらの応用に関する包括的概要を提供する。 この調査の特徴は、特定のアプローチの詳細が多すぎることを避けるため、適度な複雑さの概観を提供することだ。 本研究は,代表作の共通文字,応用分野,メリット,不利を論じ,個々のアプローチの特異性を無視することに焦点を当てる。 最後に、一般的な問題、現在の解決策、今後の研究の方向性をまとめる。 この研究が、研究者や実践者が最近のイベント抽出のクイックオーバービューを得るのに役立つことを願っている。

関連論文リスト

• A Comprehensive Review of Few-shot Action Recognition [64.47305887411275]
  アクション認識は、複雑で可変なビデオデータを手動でラベル付けすることのコストと非現実性に対処することを目的としている。 ビデオ中の人間のアクションを正確に分類するには、クラスごとにいくつかのラベル付き例だけを使用する必要がある。
  論文  参考訳（メタデータ） (2024-07-20T03:53:32Z)
• A Comprehensive Survey of Forgetting in Deep Learning Beyond Continual Learning [58.107474025048866]
  蓄積とは、以前に獲得した知識の喪失または劣化を指す。 フォッテッティングは、深層学習における様々な研究領域でよく見られる現象である。
  論文  参考訳（メタデータ） (2023-07-16T16:27:58Z)
• A Survey on Event-based News Narrative Extraction [10.193264105560862]
  本調査は,イベントベースニュースナラティブ抽出分野の研究を幅広く行ったものである。 我々は、54の関連記事を得た900以上の記事をスクリーニングした。 レビューされた研究に基づいて、最近のトレンド、オープンチャレンジ、潜在的研究線を特定する。
  論文  参考訳（メタデータ） (2023-02-16T15:11:53Z)
• 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)
• Event Extraction: A Survey [3.3758186776249928]
  テキストから報告されたイベントを抽出することは、自然言語処理における重要な研究テーマの1つである。 イベント抽出の応用は、ニュースワイヤ、バイオメディカルドメイン、歴史と人類、サイバーセキュリティなど、幅広い領域にまたがる。 本報告では,テキスト文書からの事象検出に関する包括的調査を行う。
  論文  参考訳（メタデータ） (2022-10-07T09:36:44Z)
• Automatic Text Summarization Methods: A Comprehensive Review [1.6114012813668934]
  本研究は,要約手法,使用する手法,標準データセット,評価指標,今後の研究範囲などのテキスト要約概念を詳細に分析する。
  論文  参考訳（メタデータ） (2022-03-03T10:45:00Z)
• COfEE: A Comprehensive Ontology for Event Extraction from text, with an online annotation tool [3.8995911009078816]
  イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。 EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。 COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
  論文  参考訳（メタデータ） (2021-07-21T19:43:22Z)
• Deep Learning Schema-based Event Extraction: Literature Review and Current Trends [60.29289298349322]
  ディープラーニングに基づくイベント抽出技術が研究ホットスポットとなっている。 本稿では,ディープラーニングモデルに焦点をあて,最先端のアプローチを見直し,そのギャップを埋める。
  論文  参考訳（メタデータ） (2021-07-05T16:32:45Z)
• Summarizing Text on Any Aspects: A Knowledge-Informed Weakly-Supervised Approach [89.56158561087209]
  文書に関連する任意の側面を要約する。 監視データがないため、我々は新しい弱い監督構築法とアスペクト・モデリング・スキームを開発した。 実験により,本手法は実文書と合成文書の両方を要約することで,性能の向上を図っている。
  論文  参考訳（メタデータ） (2020-10-14T03:20:46Z)
• Event Prediction in the Big Data Era: A Systematic Survey [7.3810864598379755]
  ビッグデータ時代において、イベント予測は実行可能な選択肢になりつつある。 本稿では,イベント予測の技術,応用,評価について,体系的かつ包括的な調査を行うことを目的とする。
  論文  参考訳（メタデータ） (2020-07-19T23:24:52Z)
• From Standard Summarization to New Tasks and Beyond: Summarization with Manifold Information [77.89755281215079]
  テキスト要約は、原文書の短く凝縮した版を作成することを目的とした研究分野である。 現実世界のアプリケーションでは、ほとんどのデータは平易なテキスト形式ではない。 本稿では,現実のアプリケーションにおけるこれらの新しい要約タスクとアプローチについて調査する。
  論文  参考訳（メタデータ） (2020-05-10T14:59:36Z)

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。