論文の概要: Context-Dependent Semantic Parsing for Temporal Relation Extraction
- arxiv url: http://arxiv.org/abs/2112.00894v1
- Date: Thu, 2 Dec 2021 00:29:21 GMT
- ステータス: 処理完了
- システム内更新日: 2021-12-04 06:07:11.567559
- Title: Context-Dependent Semantic Parsing for Temporal Relation Extraction
- Title（参考訳）: 時間関係抽出のための文脈依存意味解析
- Authors: Bo-Ying Su, Shang-Ling Hsu, Kuan-Yin Lai, Jane Yung-jen Hsu
- Abstract要約: テキスト中の時間情報を効果的に抽出するニューラルネットワーク意味表現SMARTERを提案する。
推論フェーズでは、SMARTERは論理形式を実行して時間関係グラフを生成する。
与えられた事象の正確な論理形式表現は、抽出された関係の正確性を保証する。
- 参考スコア（独自算出の注目度）: 2.5807659587068534
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: Extracting temporal relations among events from unstructured text has
extensive applications, such as temporal reasoning and question answering.
While it is difficult, recent development of Neural-symbolic methods has shown
promising results on solving similar tasks. Current temporal relation
extraction methods usually suffer from limited expressivity and inconsistent
relation inference. For example, in TimeML annotations, the concept of
intersection is absent. Additionally, current methods do not guarantee the
consistency among the predicted annotations. In this work, we propose SMARTER,
a neural semantic parser, to extract temporal information in text effectively.
SMARTER parses natural language to an executable logical form representation,
based on a custom typed lambda calculus. In the training phase, dynamic
programming on denotations (DPD) technique is used to provide weak supervision
on logical forms. In the inference phase, SMARTER generates a temporal relation
graph by executing the logical form. As a result, our neural semantic parser
produces logical forms capturing the temporal information of text precisely.
The accurate logical form representations of an event given the context ensure
the correctness of the extracted relations.
- Abstract（参考訳）: 非構造化テキストからイベント間の時間的関係を抽出するには、時間的推論や質問応答など、幅広い応用がある。
難しいが、近年のニューラルシンボリック法の開発は、同様の課題を解く上で有望な結果を示している。
現在の時間関係抽出法は、通常、表現力の制限と一貫性のない関係推論に苦しむ。
例えば、TimeMLアノテーションでは、交差の概念は欠落している。
さらに、現在のメソッドは予測されたアノテーション間の一貫性を保証しません。
本研究では,テキスト中の時間情報を効果的に抽出するニューラルセマンティックパーザSMARTERを提案する。
SMARTERは、カスタム型付きラムダ計算に基づいて、自然言語を実行可能な論理形式表現に解析する。
トレーニングフェーズでは、論理形式に対する弱い監督を提供するために、DPD(denotation)技術に関する動的プログラミングが使用される。
推論フェーズでは、SMARTERは論理形式を実行して時間関係グラフを生成する。
その結果、我々のニューラルセマンティックパーザは、テキストの時間情報を正確にキャプチャする論理形式を生成する。
文脈が与えられた事象の正確な論理形式表現は、抽出された関係の正確性を保証する。
関連論文リスト
- TIMELINE: Exhaustive Annotation of Temporal Relations Supporting the
Automatic Ordering of Events in News Articles [4.314956204483074]
本稿では,どの時間的関係にアノテートすべきかに基づいて,その基準を明確に定義する新たなアノテーション手法を提案する。
また、プロセスを自動化する時間的関係(長距離関係を含む)に注釈を付ける方法も提案する。
その結果、新しいデータセットであるTIMELINEコーパスが得られ、アノテーション間の合意が改善された。
論文 参考訳（メタデータ） (2023-10-26T22:23:38Z) - More than Classification: A Unified Framework for Event Temporal
Relation Extraction [61.44799147458621]
イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。
イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。
本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
論文 参考訳（メタデータ） (2023-05-28T02:09:08Z) - Unlocking Temporal Question Answering for Large Language Models with Tailor-Made Reasoning Logic [84.59255070520673]
大きな言語モデル(LLM)は、時間的推論に関わる際に課題に直面します。
本研究では,時間的質問応答タスクに特化して設計された新しいフレームワークであるTempLogicを提案する。
論文 参考訳（メタデータ） (2023-05-24T10:57:53Z) - Conversational Semantic Parsing using Dynamic Context Graphs [68.72121830563906]
汎用知識グラフ(KG)を用いた会話意味解析の課題を,数百万のエンティティと数千のリレーショナルタイプで検討する。
ユーザ発話を実行可能な論理形式にインタラクティブにマッピングできるモデルに焦点を当てる。
論文 参考訳（メタデータ） (2023-05-04T16:04:41Z) - MURMUR: Modular Multi-Step Reasoning for Semi-Structured Data-to-Text
Generation [102.20036684996248]
多段階推論を用いた半構造化データからテキストを生成するための,ニューロシンボリックなモジュラーアプローチであるMURMURを提案する。
WebNLG や LogicNLG のような2つのデータ・テキスト生成タスクについて実験を行った。
論文 参考訳（メタデータ） (2022-12-16T17:36:23Z) - TLogic: Temporal Logical Rules for Explainable Link Forecasting on
Temporal Knowledge Graphs [13.085620598065747]
時間知識グラフでは、各エッジにタイムスタンプまたは時間範囲を設けて、時間情報をグラフに統合する。
本稿では、時間的ランダムウォークによって抽出された時間的論理規則に基づく、説明可能なフレームワークであるTLogicを紹介する。
論文 参考訳（メタデータ） (2021-12-15T10:46:35Z) - Representation and Processing of Instantaneous and Durative Temporal
Phenomena [14.501997665147234]
複合イベント処理におけるイベント定義は、各システムの言語表現性によって制約される。
本稿では,複合イベント処理に適した時間現象定義言語を提案する。
論文 参考訳（メタデータ） (2021-08-27T11:28:06Z) - Logic-Driven Context Extension and Data Augmentation for Logical
Reasoning of Text [65.24325614642223]
論理的な記号や表現をテキストで理解し、答えにたどり着くよう提案します。
このような論理的情報に基づいて,文脈拡張フレームワークとデータ拡張アルゴリズムを提案する。
本手法は最先端の性能を実現し,論理駆動コンテキスト拡張フレームワークとデータ拡張アルゴリズムの両方が精度向上に寄与する。
論文 参考訳（メタデータ） (2021-05-08T10:09:36Z) - Extracting Temporal Event Relation with Syntactic-Guided Temporal Graph
Transformer [17.850316385809617]
1文または2文の連続文から構築した構文グラフから2つのイベント間の接続を明示的に見つけるための新しい時相グラフトランスフォーマーネットワークを提案する。
MATRES と TB-Dense データセットを用いた実験により,本手法は時間的関係抽出と時間的関係分類の両方において,従来の最先端手法よりも有意に優れていた。
論文 参考訳（メタデータ） (2021-04-19T19:00:45Z) - Temporal Answer Set Programming [3.263632801414296]
本稿では,その知識表現と宣言的問題解決への応用の観点から,時間論理プログラミングの概要を述べる。
本研究は,TEL(Temporal Equilibrium Logic)と呼ばれる非単調な形式論の最近の成果に焦点を当てる。
第2部では,ASP.NET に近い時間論理プログラムと呼ばれる構文的断片を定義し,この問題が解決器 TEINGO の構築においてどのように活用されたかを説明する。
論文 参考訳（メタデータ） (2020-09-14T16:13:36Z) - Temporal Embeddings and Transformer Models for Narrative Text
Understanding [72.88083067388155]
キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。
これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。
最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
論文 参考訳（メタデータ） (2020-03-19T14:23:12Z)
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。