論文の概要: Dynamic Global Memory for Document-level Argument Extraction

• arxiv url: http://arxiv.org/abs/2209.08679v1
• Date: Sun, 18 Sep 2022 23:45:25 GMT
• ステータス: 処理完了
• システム内更新日: 2022-09-20 17:45:08.037684
• Title: Dynamic Global Memory for Document-level Argument Extraction
• Title（参考訳）: 文書レベルの引数抽出のための動的グローバルメモリ
• Authors: Xinya Du, Sha Li, Heng Ji
• Abstract要約: 文書レベルのイベント引数抽出のための,新しいグローバルなニューラルジェネレーションベースのフレームワークを提案する。 文書メモリストアを使用してコンテキストイベント情報を記録し、それを暗黙的に明示的に活用することで、後のイベントの引数の復号に役立ちます。 実験結果から,我々のフレームワークは従来の手法よりも大幅に優れていたことが判明した。
• 参考スコア（独自算出の注目度）: 63.314514124716936
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Extracting informative arguments of events from news articles is a challenging problem in information extraction, which requires a global contextual understanding of each document. While recent work on document-level extraction has gone beyond single-sentence and increased the cross-sentence inference capability of end-to-end models, they are still restricted by certain input sequence length constraints and usually ignore the global context between events. To tackle this issue, we introduce a new global neural generation-based framework for document-level event argument extraction by constructing a document memory store to record the contextual event information and leveraging it to implicitly and explicitly help with decoding of arguments for later events. Empirical results show that our framework outperforms prior methods substantially and it is more robust to adversarially annotated examples with our constrained decoding design. (Our code and resources are available at https://github.com/xinyadu/memory_docie for research purpose.)
• Abstract（参考訳）: ニュース記事からイベントの情報的議論を抽出することは、各文書のグローバルな文脈理解を必要とする情報抽出において難しい問題である。 文書レベルの抽出に関する最近の研究は、単一文を超越し、エンドツーエンドモデルのクロス文推論能力を高めてきたが、それでも特定の入力シーケンス長の制約によって制限されており、通常はイベント間のグローバルコンテキストを無視している。 この問題に対処するために、文書メモリストアを構築してコンテキストイベント情報を記録し、それを暗黙的に明示的に活用することで、文書レベルのイベント引数抽出のための新しいグローバルなニューラル生成ベースのフレームワークを導入する。 実験結果から,本フレームワークは従来の手法よりも大幅に優れており,制約付き復号設計では逆アノテート例がより堅牢であることが示された。 (研究目的のコードとリソースはhttps://github.com/xinyadu/Memory_docieで入手できる)。

関連論文リスト

• MAVEN-Arg: Completing the Puzzle of All-in-One Event Understanding Dataset with Event Argument Annotation [104.6065882758648]
  MAVEN-Argは、イベント検出、イベント引数抽出、イベント関係抽出をサポートする最初のオールインワンデータセットである。 EAEベンチマークでは、(1)162のイベントタイプと612の引数ロールをカバーする包括的なスキーマ、(2)98,591のイベントと290,613の引数を含む大規模なデータスケール、(3)EAEのすべてのタスク変種をサポートする包括的なアノテーションの3つの利点がある。
  論文  参考訳（メタデータ） (2023-11-15T16:52:14Z)
• FAMuS: Frames Across Multiple Sources [74.03795560933612]
  FAMuSはウィキペディアの節集の新たなコーパスで、あるイベントにエンフレポートし、同じイベントのための基礎となるジャンルディバース(非ウィキペディア)のemphsource記事と組み合わせている。 FAMuSによって実現された2つの重要な事象理解タスクについて報告する。
  論文  参考訳（メタデータ） (2023-11-09T18:57:39Z)
• 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)
• AWESOME: GPU Memory-constrained Long Document Summarization using Memory Mechanism and Global Salient Content [16.458279293804285]
  長い文書要約システムは、長文とjargonladenテキストを持つドメインにとって重要である。 AWESOMEは、より長い文書の競争ベースラインよりも情報性、忠実性、一貫性を改善した要約を生成する。
  論文  参考訳（メタデータ） (2023-05-24T07:00:00Z)
• Global Constraints with Prompting for Zero-Shot Event Argument Classification [49.84347224233628]
  我々は、アノテーションやタスク固有のトレーニングを使わずに、イベント引数の分類に取り組むよう促すことで、グローバルな制約を利用することを提案する。 事前訓練された言語モデルは、新しいパスをスコアし、最初の予測を行う。 私たちの新しいプロンプトテンプレートは、手作業なしで、すべてのイベントや引数タイプに簡単に適応できます。
  論文  参考訳（メタデータ） (2023-02-09T06:39:29Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• 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)
• Few-Shot Document-Level Event Argument Extraction [2.680014762694412]
  イベント引数抽出(EAE)は文レベルではよく研究されているが、文書レベルでは未探索である。 FewDocAE は Few-Shot Document-Level Event Argument extract ベンチマークである。
  論文  参考訳（メタデータ） (2022-09-06T03:57:23Z)
• Event Argument Extraction using Causal Knowledge Structures [9.56216681584111]
  イベント引数抽出とは、特定のイベントのために構造化されていないテキストから構造化情報を抽出するタスクを指します。 既存の作業のほとんどは、このタスクを文レベルでモデル化し、コンテキストをローカルスコープに制限する。 複雑なイベント引数の抽出を支援するために,ドキュメントレベルのイベント情報を注入する外部知識支援アプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-02T13:59:07Z)
• Event Coreference Resolution via a Multi-loss Neural Network without Using Argument Information [23.533310981207446]
  イベントコア参照解決(ECR)は自然言語処理(NLP)において重要な課題である 本稿では、文書内イベントコア参照解決タスクを行うために、引数情報を必要としないマルチロスニューラルネットワークモデルを提案する。
  論文  参考訳（メタデータ） (2020-09-22T02:48:48Z)

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。