論文の概要: Open-Vocabulary Argument Role Prediction for Event Extraction

• arxiv url: http://arxiv.org/abs/2211.01577v1
• Date: Thu, 3 Nov 2022 04:13:37 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-04 13:07:32.543607
• Title: Open-Vocabulary Argument Role Prediction for Event Extraction
• Title（参考訳）: イベント抽出のためのオープンボキャブラリ引数の役割予測
• Authors: Yizhu Jiao, Sha Li, Yiqing Xie, Ming Zhong, Heng Ji, Jiawei Han
• Abstract要約: 本稿では,この本質的だが未探索な課題,すなわち開語彙的引数ロール予測を定義する。 このタスクの目標は、所定のイベントタイプに対する引数ロールのセットを推論することである。 本稿では,この課題に対する新しい教師なしフレームワークであるRolePredを提案する。
• 参考スコア（独自算出の注目度）: 70.93524366880521
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The argument role in event extraction refers to the relation between an event and an argument participating in it. Despite the great progress in event extraction, existing studies still depend on roles pre-defined by domain experts. These studies expose obvious weakness when extending to emerging event types or new domains without available roles. Therefore, more attention and effort needs to be devoted to automatically customizing argument roles. In this paper, we define this essential but under-explored task: open-vocabulary argument role prediction. The goal of this task is to infer a set of argument roles for a given event type. We propose a novel unsupervised framework, RolePred for this task. Specifically, we formulate the role prediction problem as an in-filling task and construct prompts for a pre-trained language model to generate candidate roles. By extracting and analyzing the candidate arguments, the event-specific roles are further merged and selected. To standardize the research of this task, we collect a new event extraction dataset from WikiPpedia including 142 customized argument roles with rich semantics. On this dataset, RolePred outperforms the existing methods by a large margin. Source code and dataset are available on our GitHub repository: https://github.com/yzjiao/RolePred
• Abstract（参考訳）: イベント抽出における引数の役割は、イベントとそれに参加する引数の関係を指す。 イベント抽出の大きな進歩にもかかわらず、既存の研究はドメインの専門家が事前に定義した役割に依存している。 これらの研究は、新たなイベントタイプや新しいドメインに役割を持たずに拡張する場合に明らかな弱点を露呈する。 したがって、引数ロールの自動カスタマイズにより多くの注意と労力が費やされる必要がある。 本稿では,本質的だが未熟なタスクであるオープンボキャブラリー引数の役割予測を定義する。 このタスクの目標は、所定のイベントタイプに対する引数ロールのセットを推論することである。 我々はこのタスクにrolepredという新しい教師なしフレームワークを提案する。 具体的には、入出力タスクとしてロール予測問題を定式化し、事前学習された言語モデルに候補ロールを生成するプロンプトを構築する。 候補引数を抽出・解析することにより、さらにイベント固有の役割がマージされ、選択される。 このタスクの研究を標準化するために、ウィキプピアから新しいイベント抽出データセットを収集し、リッチなセマンティクスを持つ142のカスタマイズされた引数ロールを含む。 このデータセットでは、RolePredは既存のメソッドを大きなマージンで上回る。 ソースコードとデータセットはgithubリポジトリで利用可能です。 https://github.com/yzjiao/rolepred

関連論文リスト

• EDeR: A Dataset for Exploring Dependency Relations Between Events [12.215649447070664]
  人間アノテーション付きイベント依存関係データセット(EDeR)を紹介する。 この関係を認識することで、より正確なイベント抽出が可能になることを示す。 我々は,3方向の分類を必須引数,任意引数,あるいは非議論に予測することは,より困難な課題であることを示した。
  論文  参考訳（メタデータ） (2023-04-04T08:07:07Z)
• 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)
• Dynamic Global Memory for Document-level Argument Extraction [63.314514124716936]
  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。
  論文  参考訳（メタデータ） (2022-09-18T23:45:25Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• Event Extraction by Associating Event Types and Argument Roles [26.877240015683636]
  イベント抽出(EE)は、イベントタイプ分類と要素抽出の2つのサブタスクに分けられる。 本稿では,脳波タスクのための新しいニューラルネットワークフレームワークを提案する。 実験結果から,本手法は両サブタスクにおいて,最先端のEE手法よりも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） (2021-08-23T10:09:39Z)
• 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)
• Document-Level Event Role Filler Extraction using Multi-Granularity Contextualized Encoding [40.13163091122463]
  イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。 まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。 私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
  論文  参考訳（メタデータ） (2020-05-13T20:42:17Z)
• Unsupervised Transfer of Semantic Role Models from Verbal to Nominal Domain [65.04669567781634]
  そこで本研究では,目的の名詞領域のラベル付きデータのみを用いて,目的の名詞領域のロールアノテートデータを仮定するトランスファーシナリオについて検討する。 我々の重要な前提は、二つの領域間の移動を可能にすることであり、ある役割の選択的選好は、その関係が動詞または名詞によって引き起こされるかどうかに強く依存しないということである。 この手法は、英語のCoNLL-2009データセットに基づいて、教師なしや直接転送などのベースラインを大幅に上回る。
  論文  参考訳（メタデータ） (2020-05-01T09:20:48Z)

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。