論文の概要: SubeventWriter: Iterative Sub-event Sequence Generation with Coherence
Controller
- arxiv url: http://arxiv.org/abs/2210.06694v2
- Date: Sat, 15 Oct 2022 03:39:36 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-18 13:17:18.529110
- Title: SubeventWriter: Iterative Sub-event Sequence Generation with Coherence
Controller
- Title(参考訳): SubeventWriter: コヒーレンスコントローラを用いた反復サブイベントシーケンス生成
- Authors: Zhaowei Wang, Hongming Zhang, Tianqing Fang, Yangqiu Song, Ginny Y.
Wong and Simon See
- Abstract要約: 本研究では,未確認プロセスにおけるサブイベント生成の新しいタスクを提案し,サブイベント動作とオブジェクトの一貫性の理解を評価する。
目に見えないプロセスが与えられたら、各イテレーションで1つのサブイベントを生成して、サブイベントシーケンスを反復的に構築することができる。
また、よりコヒーレントなサブイベントをデコードするために、非常に効果的なコヒーレンスコントローラを設計する。
- 参考スコア(独自算出の注目度): 43.03923639177533
- License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
- Abstract: In this paper, we propose a new task of sub-event generation for an unseen
process to evaluate the understanding of the coherence of sub-event actions and
objects. To solve the problem, we design SubeventWriter, a sub-event sequence
generation framework with a coherence controller. Given an unseen process, the
framework can iteratively construct the sub-event sequence by generating one
sub-event at each iteration. We also design a very effective coherence
controller to decode more coherent sub-events. As our extensive experiments and
analysis indicate, SubeventWriter can generate more reliable and meaningful
sub-event sequences for unseen processes.
- Abstract(参考訳): 本稿では,未確認プロセスにおけるサブイベント生成の新しいタスクを提案し,サブイベント動作とオブジェクトのコヒーレンスを理解することを評価する。
そこで我々は,コヒーレンスコントローラを備えたサブイベントシーケンス生成フレームワークであるSubeventWriterを設計した。
見えないプロセスが与えられると、フレームワークは各イテレーションで1つのサブイベントを生成することによって、サブイベントシーケンスを反復的に構築できる。
また、よりコヒーレントなサブイベントをデコードする非常に効果的なコヒーレンスコントローラも設計します。
広範な実験と分析が示すように、subeventwriterは未発見のプロセスに対して、より信頼性が高く意味のあるサブイベントシーケンスを生成することができる。
関連論文リスト
- Distilling Event Sequence Knowledge From Large Language Models [17.105913216452738]
イベントシーケンスモデルは、イベントの分析と予測に非常に効果的であることが判明した。
我々は大規模言語モデルを用いて、確率的イベントモデル構築に効果的に使用できるイベントシーケンスを生成する。
提案手法は,入力KGの知識ギャップを埋めて,高品質なイベントシーケンスを生成することができることを示す。
論文 参考訳(メタデータ) (2024-01-14T09:34:42Z) - Token-Event-Role Structure-based Multi-Channel Document-Level Event
Extraction [15.02043375212839]
本稿では,トークン・イベント・ロールと呼ばれる新しいデータ構造を取り入れた,文書レベルのイベント抽出のための新しいフレームワークを提案する。
提案したデータ構造により,複数のイベントにおけるトークンの主要な役割を明らかにすることができ,イベント関係のより包括的な理解が容易になる。
その結果,本手法はF1スコアの9.5ポイント向上した。
論文 参考訳(メタデータ) (2023-06-30T15:22:57Z) - Anticipatory Music Transformer [77.29752896976116]
本稿では、時間点過程の制御可能な生成モデルを構築する方法である予測を導入する。
コントロールはイベント自体のサブセットであるので、コントロールタスクの充実に重点を置いています。
大規模かつ多様なLakh MIDI音楽データセットを用いて予測入出力モデルを訓練する。
論文 参考訳(メタデータ) (2023-06-14T16:27:53Z) - Modeling Complex Event Scenarios via Simple Entity-focused Questions [58.16787028844743]
複雑なシナリオにおけるイベントを参加者に関する質問に対する回答としてモデル化する質問誘導生成フレームワークを提案する。
生成プロセスの任意のステップでは、フレームワークは以前に生成されたイベントをコンテキストとして使用するが、3つの質問の1つに対する回答として次のイベントを生成する。
私たちの経験的評価は、この質問誘導世代が、参加者のより優れたカバレッジ、ドメイン内の多様なイベント、イベントシーケンスのモデリングにおける同等の難易度を提供することを示している。
論文 参考訳(メタデータ) (2023-02-14T15:48:56Z) - NGEP: A Graph-based Event Planning Framework for Story Generation [17.049035309926637]
本稿では,自動構築されたイベントグラフ上で推論を行い,イベントシーケンスを生成する新しいイベント計画フレームワークNGEPを提案する。
我々は、複数の基準で様々な実験を行い、その結果、グラフベースのニューラルネットワークは、最先端(SOTA)イベント計画アプローチよりも優れていることを示した。
論文 参考訳(メタデータ) (2022-10-19T14:49:27Z) - 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) - 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) - Text2Event: Controllable Sequence-to-Structure Generation for End-to-end
Event Extraction [35.39643772926177]
イベントの抽出は、イベントレコードの複雑な構造と、テキストとイベント間のセマンティックなギャップのために難しい。
従来の方法では、複雑な構造予測タスクを複数のサブタスクに分解することでイベントレコードを抽出する。
エンドツーエンドでテキストからイベントを直接抽出できるシーケンス・ツー・構造生成パラダイムであるText2Eventを提案する。
論文 参考訳(メタデータ) (2021-06-17T04:00:18Z) - 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。