論文の概要: OneEE: A One-Stage Framework for Fast Overlapping and Nested Event Extraction

• arxiv url: http://arxiv.org/abs/2209.02693v1
• Date: Tue, 6 Sep 2022 17:59:55 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-07 13:44:25.398417
• Title: OneEE: A One-Stage Framework for Fast Overlapping and Nested Event Extraction
• Title（参考訳）: OneEE: 高速オーバーラップとネストイベント抽出のためのワンステージフレームワーク
• Authors: Hu Cao, Jingye Li, Fangfang Su, Fei Li, Hao Fei, Shengqiong Wu, Bobo Li, Liang Zhao, Donghong Ji
• Abstract要約: イベント抽出(EE)は、構造化されていないテキストから構造化されたイベント情報を抽出することを目的とした、情報抽出の重要なタスクである。 We design a simple yet effective tagging scheme and model to formulate EE as word-word relation recognition, called OneEE。 重なり合った3つのEEベンチマーク、すなわちFewFC、Genia11、Genia13の実験は、OneEEが最先端(SOTA)の結果を達成することを示している。
• 参考スコア（独自算出の注目度）: 40.353446897312196
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event extraction (EE) is an essential task of information extraction, which aims to extract structured event information from unstructured text. Most prior work focuses on extracting flat events while neglecting overlapped or nested ones. A few models for overlapped and nested EE includes several successive stages to extract event triggers and arguments,which suffer from error propagation. Therefore, we design a simple yet effective tagging scheme and model to formulate EE as word-word relation recognition, called OneEE. The relations between trigger or argument words are simultaneously recognized in one stage with parallel grid tagging, thus yielding a very fast event extraction speed. The model is equipped with an adaptive event fusion module to generate event-aware representations and a distance-aware predictor to integrate relative distance information for word-word relation recognition, which are empirically demonstrated to be effective mechanisms. Experiments on 3 overlapped and nested EE benchmarks, namely FewFC, Genia11, and Genia13, show that OneEE achieves the state-of-the-art (SOTA) results. Moreover, the inference speed of OneEE is faster than those of baselines in the same condition, and can be further substantially improved since it supports parallel inference.
• Abstract（参考訳）: イベント抽出 (ee) は、構造化されていないテキストから構造化されたイベント情報を抽出することを目的とした情報抽出の重要なタスクである。 以前のほとんどの作業では、重複やネストを無視しながらフラットなイベントの抽出に重点を置いている。 オーバーラップとネストされたeeのいくつかのモデルには、エラー伝搬に苦しむイベントトリガと引数を抽出するための一連のステージが含まれている。 そこで我々は,OneEEと呼ばれる単語関係認識としてEEを定式化するための,シンプルで効果的なタグ付け方式とモデルを構築した。 トリガーワードと引数ワードの関係は、並列グリッドタグ付きで同時に認識され、非常に高速なイベント抽出速度が得られる。 このモデルは、イベント認識表現を生成する適応型イベント融合モジュールと、単語関係認識のための相対距離情報を統合する距離認識予測器を備えており、効果的なメカニズムであることが実証されている。 重なり合った3つのEEベンチマーク、すなわちFewFC、Genia11、Genia13の実験は、OneEEが最先端(SOTA)の結果を達成することを示している。 さらに、OneEEの推論速度は、同じ条件下でのベースラインよりも高速であり、並列推論をサポートするため、さらに大幅に改善することができる。

関連論文リスト

• Beyond Single-Event Extraction: Towards Efficient Document-Level Multi-Event Argument Extraction [19.51890490853855]
  複数項目の引数抽出モデルDEEIAを提案する。 ドキュメント内のすべてのイベントから引数を同時に抽出することができる。 提案手法は,4つの公開データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-05-03T07:04:35Z)
• From Simple to Complex: A Progressive Framework for Document-level Informative Argument Extraction [34.37013964529546]
  イベント引数抽出(EAE)は、単一のドキュメントから複数のイベントの引数を抽出するモデルを必要とする。 文書レベルEAEのための簡易・複雑プログレッシブフレームワークを提案する。 提案手法は,F1 において SOTA を 1.4% 上回る性能を示し,EAE タスクにおいて有用であることを示す。
  論文  参考訳（メタデータ） (2023-10-25T04:38:02Z)
• Semantic Structure Enhanced Event Causality Identification [57.26259734944247]
  事象因果同定(ECI)は、非構造化テキスト中の事象間の因果関係を特定することを目的としている。 既存の方法は、イベント中心構造とイベント関連構造という、ECIタスクに不可欠な2種類の意味構造を過小評価する。
  論文  参考訳（メタデータ） (2023-05-22T07:42:35Z)
• Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
  異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。 本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。 AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
  論文  参考訳（メタデータ） (2023-04-02T08:23:20Z)
• Efficient Zero-shot Event Extraction with Context-Definition Alignment [50.15061819297237]
  イベント抽出(EE)は、テキストから関心のあるイベント参照を特定するタスクである。 イベントタイプ名の静的な埋め込みは、1つの単語があいまいなため、十分ではないかもしれない、と私たちは主張する。 我々はZED(Zero-shot Event extract with Definition)と名付けた。
  論文  参考訳（メタデータ） (2022-11-09T19:06:22Z)
• EA$^2$E: Improving Consistency with Event Awareness for Document-Level Argument Extraction [52.43978926985928]
  本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。 WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
  論文  参考訳（メタデータ） (2022-05-30T04:33:51Z)
• CasEE: A Joint Learning Framework with Cascade Decoding for Overlapping Event Extraction [9.300138832652658]
  イベント抽出(EE)は、テキスト中のイベント情報を抽出することを目的とした重要な情報抽出タスクである。 この研究は現実的な事象重なり合う問題を体系的に研究し、ある単語が異なる役割を持つ複数の型や引数を持つ引き金として機能する可能性がある。 本稿では,CasEEと呼ばれるイベント抽出を重畳するカスケードデコードを用いた新しい共同学習フレームワークを提案する。
  論文  参考訳（メタデータ） (2021-07-04T10:01:55Z)
• Document-level Event Extraction with Efficient End-to-end Learning of Cross-event Dependencies [37.96254956540803]
  本稿では,構造化予測アルゴリズムであるDeep Value Networks (DVN) を利用したエンドツーエンドモデルを提案する。 提案手法はACE05上でのCRFモデルに匹敵する性能を達成し,計算効率は極めて高い。
  論文  参考訳（メタデータ） (2020-10-24T05:28:16Z)
• 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)

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。