論文の概要: Event Linking: Grounding Event Mentions to Wikipedia

• arxiv url: http://arxiv.org/abs/2112.07888v1
• Date: Wed, 15 Dec 2021 05:06:18 GMT
• ステータス: 処理完了
• システム内更新日: 2021-12-16 14:48:38.705410
• Title: Event Linking: Grounding Event Mentions to Wikipedia
• Title（参考訳）: イベントリンク:ウィキペディアへのイベントの調停
• Authors: Xiaodong Yu, Wenpeng Yin, Nitish Gupta, Dan Roth
• Abstract要約: この作業は、イベントレベルでの新しい自然言語理解タスクであるEvent Linkingを定義する。 イベントリンクは、例えばニュース記事に現れるイベント参照を、最も適切なWikipediaページにリンクしようとする。
• 参考スコア（独自算出の注目度）: 63.087102209379864
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Comprehending an article requires understanding its constituent events. However, the context where an event is mentioned often lacks the details of this event. Then, where can we obtain more knowledge of this particular event in addition to its context? This work defines Event Linking, a new natural language understanding task at the event level. Event linking tries to link an event mention, appearing in a news article for example, to the most appropriate Wikipedia page. This page is expected to provide rich knowledge about what the event refers to. To standardize the research of this new problem, we contribute in three-fold. First, this is the first work in the community that formally defines event linking task. Second, we collect a dataset for this new task. In specific, we first gather training set automatically from Wikipedia, then create two evaluation sets: one from the Wikipedia domain as well, reporting the in-domain performance; the other from the real-world news domain, testing the out-of-domain performance. Third, we propose EveLINK, the first-ever Event Linking approach. Overall, event linking is a considerably challenging task requiring more effort from the community. Data and code are available here: https://github.com/CogComp/event-linking.
• Abstract（参考訳）: 記事の補完には、その構成イベントを理解する必要がある。 しかし、イベントが言及されるコンテキストには、しばしばこのイベントの詳細が欠けている。 では、そのコンテキストに加えて、この特定のイベントに関する知識はどこで得られるのか? この作業は、イベントレベルの新しい自然言語理解タスクであるイベントリンクを定義する。 イベントリンクは、例えばニュース記事に現れるイベント言及と、最も適切なwikipediaページをリンクしようとする。 このページは、イベントが何を指すのかについての豊富な知識を提供する予定である。 この新しい問題の研究を標準化するために、我々は3次元で貢献する。 まず、イベントリンクタスクを正式に定義したコミュニティ初の作業である。 次に、この新しいタスクのデータセットを収集します。 具体的には、まずwikipediaからトレーニングセットを自動収集し、次に2つの評価セットを作成します。1つはwikipediaドメインから、もう1つはドメイン内パフォーマンスを報告し、もう1つは現実世界のニュースドメインから、もう1つはドメイン外パフォーマンスをテストする。 第3に,最初のイベントリンク方式であるEveLINKを提案する。 全体として、イベントリンクはコミュニティからより多くの労力を必要とするかなり困難なタスクである。 データとコードはここで入手できる。 https://github.com/cogcomp/event-linking。

関連論文リスト

• OmniEvent: A Comprehensive, Fair, and Easy-to-Use Toolkit for Event Understanding [53.23073872040206]
  イベント理解は、テキスト内のイベントの内容と関係を理解することを目的としている。 関連研究や応用を容易にするために,イベント理解ツールキットOmniEventを提案する。
  論文  参考訳（メタデータ） (2023-09-25T16:15:09Z)
• Hierarchical Event Grounding [7.561459516972332]
  イベントグラウンディングは、テキスト中の参照参照を知識ベース(KB)からのイベントにリンクすることを目的としている。 本稿では,イベント階層を補助的階層的損失によって活用する検索手法を提案する。
  論文  参考訳（メタデータ） (2023-02-08T17:09:41Z)
• 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)
• Title2Event: Benchmarking Open Event Extraction with a Large-scale Chinese Title Dataset [19.634367718707857]
  イベントタイプを制限せずにオープンイベント抽出をベンチマークする大規模文レベルデータセットであるTitle2Eventを提示する。 Title2Eventには42,000以上のニュースタイトルがあり、34のトピックが中国のWebページから集められている。 私たちの知る限りでは、これは現在、オープンイベント抽出のための中国最大の手動注釈付きデータセットである。
  論文  参考訳（メタデータ） (2022-11-02T04:39:36Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Beyond Grounding: Extracting Fine-Grained Event Hierarchies Across Modalities [43.048896440009784]
  マルチモーダル(ビデオとテキスト)データからイベント階層を抽出するタスクを提案する。 これはイベントの構造を明らかにし、それらを理解するのに不可欠である。 我々は,この課題に対して,最先端のユニモーダルベースラインとマルチモーダルベースラインの限界を示す。
  論文  参考訳（メタデータ） (2022-06-14T23:24:15Z)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• ESTER: A Machine Reading Comprehension Dataset for Event Semantic Relation Reasoning [49.795767003586235]
  イベントセマンティックリレーション推論のための包括的な機械学習理解データセットESTERを紹介します。 もっともよく使われるイベント意味関係を5つ検討し、質問応答タスクとして定式化します。 実験の結果、現在のSOTAシステムは、イベントベースF1、トークンベースF1、HIT@1スコアそれぞれ60.5%、57.8%、76.3%を達成した。
  論文  参考訳（メタデータ） (2021-04-16T19:59:26Z)
• EventPlus: A Temporal Event Understanding Pipeline [12.313545429119651]
  EventPlusは、さまざまな最先端のイベント理解コンポーネントを統合する一時的なイベント理解パイプラインです。 EventPlusを一般公開し、イベント関連の情報抽出と下流アプリケーションを容易にします。
  論文  参考訳（メタデータ） (2021-01-13T08:00:50Z)

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。