論文の概要: EventGraph: Event Extraction as Semantic Graph Parsing

• arxiv url: http://arxiv.org/abs/2210.08646v1
• Date: Sun, 16 Oct 2022 22:11:46 GMT
• ステータス: 処理完了
• システム内更新日: 2022-10-18 18:25:39.663481
• Title: EventGraph: Event Extraction as Semantic Graph Parsing
• Title（参考訳）: EventGraph: セマンティックグラフ解析としてのイベント抽出
• Authors: Huiling You, David Samuel, Samia Touileb, and Lilja {\O}vrelid
• Abstract要約: イベント抽出には、イベントトリガとそれに対応するイベント引数の両方の検出と抽出が含まれる。 イベントをグラフとしてエンコードするイベント抽出のための共同フレームワークであるEventGraphを提案する。 私たちのコードとモデルはオープンソースとしてリリースされています。
• 参考スコア（独自算出の注目度）: 5.21480688623047
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event extraction involves the detection and extraction of both the event triggers and corresponding event arguments. Existing systems often decompose event extraction into multiple subtasks, without considering their possible interactions. In this paper, we propose EventGraph, a joint framework for event extraction, which encodes events as graphs. We represent event triggers and arguments as nodes in a semantic graph. Event extraction therefore becomes a graph parsing problem, which provides the following advantages: 1) performing event detection and argument extraction jointly; 2) detecting and extracting multiple events from a piece of text; and 3) capturing the complicated interaction between event arguments and triggers. Experimental results on ACE2005 show that our model is competitive to state-of-the-art systems and has substantially improved the results on argument extraction. Additionally, we create two new datasets from ACE2005 where we keep the entire text spans for event arguments, instead of just the head word(s). Our code and models are released as open-source.
• Abstract（参考訳）: イベント抽出には、イベントトリガと対応するイベント引数の両方の検出と抽出が含まれる。 既存のシステムでは、イベント抽出を複数のサブタスクに分解することが多い。 本稿では,イベントをグラフとしてエンコードするイベント抽出のための統合フレームワークであるEventGraphを提案する。 イベントトリガーと引数を意味グラフのノードとして表現します。 したがって、イベント抽出はグラフ解析の問題となり、以下の利点を提供する。 1) 事象検出及び議論抽出を共同で行うこと 2 テキストから複数の事象を検出して抽出すること。 3) イベント引数とトリガの複雑なインタラクションをキャプチャする。 ACE2005の実験結果から,我々のモデルは最先端システムと競合し,議論抽出の結果を大幅に改善した。 さらに、ace2005から2つの新しいデータセットを作成し、ヘッドワードだけでなく、イベント引数のテキストスパン全体を保持します。 私たちのコードとモデルはオープンソースとしてリリースされています。

関連論文リスト

• GraphERE: Jointly Multiple Event-Event Relation Extraction via Graph-Enhanced Event Embeddings [1.3154296174423619]
  イベント関係抽出は自然言語を理解するために重要である。 本稿では,Graph-enhanced Event Embeddingsに基づく共同で複数のEREフレームワークであるGraphEREを提案する。
  論文  参考訳（メタデータ） (2024-03-19T07:50:32Z)
• 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)
• 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)
• 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)
• 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)
• Reinforcement Learning-based Dialogue Guided Event Extraction to Exploit Argument Relations [70.35379323231241]
  本稿では、イベント引数の関係を明示的に活用することで、イベント抽出のためのより良いアプローチを提案する。 我々は増補学習と漸進学習を用いて、多回反復的なプロセスを通じて複数の引数を抽出する。 実験の結果,提案手法は7つの最先端イベント抽出法より一貫して優れていることがわかった。
  論文  参考訳（メタデータ） (2021-06-23T13:24:39Z)
• 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)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)
• 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)
• Resource-Enhanced Neural Model for Event Argument Extraction [28.812507794694543]
  イベント引数抽出は、イベントの引数を特定し、それらの引数が果たす役割を分類することを目的としている。 本稿では,複数種類のトリガ依存シーケンス表現を持つトリガ対応シーケンスエンコーダを提案する。 ACE2005ベンチマーク実験により,本手法が新たな最先端技術を実現することを示す。
  論文  参考訳（メタデータ） (2020-10-06T21:00:54Z)
• Event Arguments Extraction via Dilate Gated Convolutional Neural Network with Enhanced Local Features [13.862428694544635]
  イベント抽出は、世界を理解するために情報抽出において重要な役割を果たす。 本研究では,多層ゲート型畳み込みニューラルネットワーク(EE-DGCNN)に基づくイベント抽出手法を提案する。 実験では、実世界のデータセット上での最先端のイベント抽出アプローチを超えて、大幅なパフォーマンス向上が示された。
  論文  参考訳（メタデータ） (2020-06-02T18:05:34Z)

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。