論文の概要: EventGraph at CASE 2021 Task 1: A General Graph-based Approach to
Protest Event Extraction
- arxiv url: http://arxiv.org/abs/2210.09770v1
- Date: Tue, 18 Oct 2022 11:34:39 GMT
- ステータス: 処理完了
- システム内更新日: 2022-10-19 14:38:53.975800
- Title: EventGraph at CASE 2021 Task 1: A General Graph-based Approach to
Protest Event Extraction
- Title(参考訳): Case 2021 Task 1におけるイベントグラフ: イベント抽出に対する一般的なグラフベースのアプローチ
- Authors: Huiling You, David Samuel, Samia Touileb, and Lilja {\O}vrelid
- Abstract要約: 本稿では,2022年版CASE 2021共有タスク1のサブタスク4について述べる。
EventGraphシステムは、エンドツーエンドのグラフベースのセマンティックを、テストイベント抽出のタスクに適合させる。
私たちは、ノード中心のアプローチが、タスクの3つの言語でうまく機能し、全体として最高の結果をもたらすことを示しています。
- 参考スコア(独自算出の注目度): 5.21480688623047
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: This paper presents our submission to the 2022 edition of the CASE 2021
shared task 1, subtask 4. The EventGraph system adapts an end-to-end,
graph-based semantic parser to the task of Protest Event Extraction and more
specifically subtask 4 on event trigger and argument extraction. We experiment
with various graphs, encoding the events as either "labeled-edge" or
"node-centric" graphs. We show that the "node-centric" approach yields best
results overall, performing well across the three languages of the task, namely
English, Spanish, and Portuguese. EventGraph is ranked 3rd for English and
Portuguese, and 4th for Spanish. Our code is available at:
https://github.com/huiling-y/eventgraph_at_case
- Abstract(参考訳): 本稿では,2022年版CASE 2021共有タスク1のサブタスク4について述べる。
EventGraphシステムは、エンドツーエンドのグラフベースのセマンティックパーザを、Protest Event extractのタスク、より具体的にはイベントトリガと引数抽出のサブタスク4に適合させる。
我々は,イベントを"ラベルエッジ"あるいは"ノード中心"グラフとしてエンコードして,さまざまなグラフを実験する。
ノード中心(node-centric)アプローチは、タスクの3つの言語(英語、スペイン語、ポルトガル語)において、全体として最高の結果をもたらす。
EventGraphは英語とポルトガル語で3位、スペイン語では4位である。
私たちのコードは、https://github.com/huiling-y/eventgraph_at_caseで利用可能です。
関連論文リスト
- G-Retriever: Retrieval-Augmented Generation for Textual Graph Understanding and Question Answering [61.93058781222079]
現実のテキストグラフを対象とするフレキシブルな問合せフレームワークを開発した。
一般のテキストグラフに対する最初の検索拡張生成(RAG)手法を提案する。
G-Retrieverは、このタスクをSteiner Tree最適化問題として定式化し、グラフ上でRAGを実行する。
論文 参考訳(メタデータ) (2024-02-12T13:13:04Z) - One for All: Towards Training One Graph Model for All Classification Tasks [61.656962278497225]
様々なグラフタスクの統一モデルは、主にグラフ学習領域に固有の課題のために、まだ探索されていない。
上記の課題に対処するために単一のグラフモデルを使用できる最初の汎用フレームワークである textbfOne for All (OFA) を提案する。
OFAは様々なタスクでうまく機能し、グラフ上の最初の汎用のクロスドメイン分類モデルとなる。
論文 参考訳(メタデータ) (2023-09-29T21:15:26Z) - SimTeG: A Frustratingly Simple Approach Improves Textual Graph Learning [131.04781590452308]
テキストグラフ学習におけるフラストレーションに富んだアプローチであるSimTeGを提案する。
まず、下流タスクで予め訓練されたLM上で、教師付きパラメータ効率の微調整(PEFT)を行う。
次に、微調整されたLMの最後の隠れ状態を用いてノード埋め込みを生成する。
論文 参考訳(メタデータ) (2023-08-03T07:00:04Z) - JSEEGraph: Joint Structured Event Extraction as Graph Parsing [4.254099382808598]
JSEEGraphはグラフベースのイベント抽出フレームワークである。
エンティティとイベントを1つのセマンティックグラフにエンコードする。
ネストしたイベント構造を扱うことができ、異なるIEタスクを共同で解決することは有益であり、イベント引数抽出はエンティティ抽出から特に恩恵を受ける。
論文 参考訳(メタデータ) (2023-06-26T12:12:54Z) - EventGraph: Event Extraction as Semantic Graph Parsing [5.21480688623047]
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。
論文 参考訳(メタデータ) (2022-10-16T22:11:46Z) - Semi-Supervised Hierarchical Graph Classification [54.25165160435073]
ノードがグラフのインスタンスである階層グラフにおけるノード分類問題について検討する。
本稿では階層グラフ相互情報(HGMI)を提案し,理論的保証をもってHGMIを計算する方法を提案する。
本稿では,この階層グラフモデリングとSEAL-CI法がテキストおよびソーシャルネットワークデータに与える影響を実証する。
論文 参考訳(メタデータ) (2022-06-11T04:05:29Z) - Schema-Guided Event Graph Completion [103.32326979796596]
我々は、イベントグラフの欠落するイベントノードを予測することを目的として、イベントグラフ補完という新しいタスクに取り組む。
既存の予測やグラフ補完手法は、通常、1つの大きなグラフのために設計されるため、イベントグラフを扱うのが難しい。
論文 参考訳(メタデータ) (2022-06-06T21:51:10Z) - Semi-Supervised Graph Attention Networks for Event Representation
Learning [0.0]
本稿では,グラフ注意ネットワークとグラフ正規化を組み合わせたGNEE(GAT Neural Event Embeddings)を提案する。
5つの実世界のイベントグラフと6つのグラフ埋め込みによる実験結果の統計的解析により、GNEEは最先端の半教師付きグラフ埋め込み法より優れていることが示された。
論文 参考訳(メタデータ) (2022-01-02T14:38:28Z) - GraphPlan: Story Generation by Planning with Event Graph [31.29515089313627]
イベントグラフを補助する一連のイベントを計画することに集中し、イベントを使用してジェネレータをガイドします。
本稿では,シーケンス・ツー・シーケンス・モデルを用いてストーリーラインを出力する代わりに,イベントグラフ上を歩くことでイベントシーケンスを生成することを提案する。
論文 参考訳(メタデータ) (2021-02-05T03:18:55Z) - Topology-Aware Graph Pooling Networks [51.9008939769679]
ポーリング操作はコンピュータビジョンや自然言語処理タスクに有効である。
グラフデータ上でプーリング操作を実行する上での課題のひとつは、グラフ上で明確に定義されていない局所性の欠如である。
本稿では,グラフトポロジを明示的に考慮したトポロジ対応プーリング(TAP)層を提案する。
論文 参考訳(メタデータ) (2020-10-19T20:14:30Z)
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。