論文の概要: Dynamic Prefix-Tuning for Generative Template-based Event Extraction

• arxiv url: http://arxiv.org/abs/2205.06166v1
• Date: Thu, 12 May 2022 15:38:34 GMT
• ステータス: 処理完了
• システム内更新日: 2022-05-13 12:31:02.751744
• Title: Dynamic Prefix-Tuning for Generative Template-based Event Extraction
• Title（参考訳）: テンプレートに基づくイベント抽出のための動的プリフィックスチューニング
• Authors: Xiao Liu, Heyan Huang, Ge Shi, Bo Wang
• Abstract要約: 動的プレフィックス(GTEE-DynPref)を用いたテンプレートベースのイベント抽出手法を提案する。 実験結果から,本モデルがACE 2005における最先端分類モデルOneIEと競合する結果が得られることが示された。 我々のモデルは、新しいタイプのイベントに効果的に移植可能であることが証明されている。
• 参考スコア（独自算出の注目度）: 31.581360683375337
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: We consider event extraction in a generative manner with template-based conditional generation. Although there is a rising trend of casting the task of event extraction as a sequence generation problem with prompts, these generation-based methods have two significant challenges, including using suboptimal prompts and static event type information. In this paper, we propose a generative template-based event extraction method with dynamic prefix (GTEE-DynPref) by integrating context information with type-specific prefixes to learn a context-specific prefix for each context. Experimental results show that our model achieves competitive results with the state-of-the-art classification-based model OneIE on ACE 2005 and achieves the best performances on ERE. Additionally, our model is proven to be portable to new types of events effectively.
• Abstract（参考訳）: テンプレートベースの条件生成によるイベント抽出を生成的に検討する。 プロンプトによるシーケンス生成問題としてイベント抽出のタスクをキャスティングする傾向が高まっているが,これら生成ベースの手法には,サブオプティマイズと静的イベント型情報の使用という,2つの大きな課題がある。 本稿では,動的プレフィックス(GTEE-DynPref)を用いたテンプレートベースのイベント抽出手法を提案する。 実験結果から,本モデルがACE 2005における最先端分類モデルOneIEと競合する結果となり,ERE上での最高の性能が得られた。 さらに、私たちのモデルは、新しいタイプのイベントに効果的にポータブルであることが証明されています。

関連論文リスト

• DEGAP: Dual Event-Guided Adaptive Prefixes for Templated-Based Event Argument Extraction with Slot Querying [32.115904077731386]
  イベント引数抽出(EAE)の最近の進歩は、トレーニングや推論中に有用な補助情報をモデルに組み込むことである。 これらの手法は,(1)検索結果が無関係である場合があり,(2)テンプレートは関連性を考慮せずに,各イベントごとに独立して開発される場合の2つの課題に直面する。 本稿では,2つのプレフィックス,すなわち学習可能なプロンプトベクトル,イベント誘導型適応ゲーティング機構を用いて,これらの課題に対処するDEGAPを提案する。
  論文  参考訳（メタデータ） (2024-05-22T03:56:55Z)
• TacoERE: Cluster-aware Compression for Event Relation Extraction [47.89154684352463]
  イベント関係抽出は自然言語処理における決定的かつ基本的な課題である。 イベント関係抽出(TacoERE)を改善するクラスタ対応圧縮法を提案する。
  論文  参考訳（メタデータ） (2024-05-11T03:06:08Z)
• Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
  イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。 最近のデータ拡張手法は文法的誤りの問題を無視することが多い。 本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-16T16:52:07Z)
• 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)
• Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
  本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。 提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。 実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
  論文  参考訳（メタデータ） (2021-10-25T13:56:00Z)
• Event Extraction as Natural Language Generation [42.081626647997616]
  イベント抽出は通常、分類または構造化予測問題として定式化される。 我々は、イベント内の複雑な依存関係をキャプチャするだけでなく、目に見えないイベントタイプやまれなイベントタイプをうまく一般化するモデルであるGenEEを提案する。 実験結果から, ゼロショット, 少数ショット, 高リソースのシナリオにおいて, イベント抽出タスクにおいて, イベント抽出タスクにおいて高い性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-29T00:27:31Z)
• Event Presence Prediction Helps Trigger Detection Across Languages [13.06818350795583]
  本稿では,Transformerをベースとしたアーキテクチャが,シーケンスラベリングタスクとしてイベント抽出を効果的にモデル化できることを示す。 本稿では,BERTに基づくイベント抽出モデルの性能を大幅に向上させる,文レベルとトークンレベルのトレーニング目標の組み合わせを提案する。
  論文  参考訳（メタデータ） (2020-09-15T15:52:21Z)
• Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
  本稿では,OED(Ongoing Event Detection)タスクを紹介する。 目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。 構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
  論文  参考訳（メタデータ） (2020-07-02T20:44:05Z)
• 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。