論文の概要: Type Information Utilized Event Detection via Multi-Channel GNNs in Electrical Power Systems

• arxiv url: http://arxiv.org/abs/2211.08168v1
• Date: Tue, 15 Nov 2022 14:22:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-11-16 14:35:32.213678
• Title: Type Information Utilized Event Detection via Multi-Channel GNNs in Electrical Power Systems
• Title（参考訳）: 電力系統におけるマルチチャネルgnnによるイベント検出を利用したタイプ情報
• Authors: Qian Li, Jianxin Li, Lihong Wang, Cheng Ji, Yiming Hei, Jiawei Sheng, Qingyun Sun, Shan Xue, Pengtao Xie
• Abstract要約: 電力システムにおけるイベント検出は、トリガーとイベントタイプを特定することを目的としており、関連する担当者が緊急対応を迅速に行うのに役立つ。 短い電気記録テキストの長さの制限は、深刻な情報空間を生じさせ、多くの電力系統のドメイン固有用語は、一般的なドメインテキストで事前訓練された言語モデルからの知識の伝達を困難にしている。 本稿では,MC-TEDと呼ばれる電力系統におけるイベント検出のためのタイプ情報を利用したマルチチャネルグラフニューラルネットワークを提案する。
• 参考スコア（独自算出の注目度）: 27.132352561001753
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event detection in power systems aims to identify triggers and event types, which helps relevant personnel respond to emergencies promptly and facilitates the optimization of power supply strategies. However, the limited length of short electrical record texts causes severe information sparsity, and numerous domain-specific terminologies of power systems makes it difficult to transfer knowledge from language models pre-trained on general-domain texts. Traditional event detection approaches primarily focus on the general domain and ignore these two problems in the power system domain. To address the above issues, we propose a Multi-Channel graph neural network utilizing Type information for Event Detection in power systems, named MC-TED, leveraging a semantic channel and a topological channel to enrich information interaction from short texts. Concretely, the semantic channel refines textual representations with semantic similarity, building the semantic information interaction among potential event-related words. The topological channel generates a relation-type-aware graph modeling word dependencies, and a word-type-aware graph integrating part-of-speech tags. To further reduce errors worsened by professional terminologies in type analysis, a type learning mechanism is designed for updating the representations of both the word type and relation type in the topological channel. In this way, the information sparsity and professional term occurrence problems can be alleviated by enabling interaction between topological and semantic information. Furthermore, to address the lack of labeled data in power systems, we built a Chinese event detection dataset based on electrical Power Event texts, named PoE. In experiments, our model achieves compelling results not only on the PoE dataset, but on general-domain event detection datasets including ACE 2005 and MAVEN.
• Abstract（参考訳）: 電力系統におけるイベント検出は、事故に迅速に対応し、電源戦略の最適化を容易にするトリガーとイベントタイプを特定することを目的としている。 しかし、短い電子記録テキストの長さが限られると、深刻な情報空間が生じるため、汎用ドメインテキストで事前訓練された言語モデルから知識を伝達することは困難である。 従来のイベント検出アプローチは、主に汎用ドメインに注目し、電力系統領域におけるこれらの2つの問題を無視する。 上記の問題に対処するために,MC-TEDと呼ばれる電力系統におけるイベント検出のためのタイプ情報を利用したマルチチャネルグラフニューラルネットワークを提案する。 具体的には、セマンティックチャネルは意味的類似性でテキスト表現を洗練し、潜在的事象関連語間のセマンティック情報相互作用を構築する。 トポロジ的チャネルは、単語依存をモデル化する関係型対応グラフと、パート・オブ・音声タグを統合する単語型対応グラフを生成する。 型解析における専門用語による誤りをさらに軽減するため、トポロジカルチャネルにおける単語型と関係型の両方の表現を更新するための型学習機構が設計されている。 このようにして、トポロジカル情報とセマンティック情報との相互作用を可能にすることにより、情報空間と専門用語の発生問題を緩和することができる。 さらに,電力システムにおけるラベル付きデータの欠如に対処するために,電力イベントテキストに基づく中国のイベント検出データセットpoeを構築した。 実験では, PoE データセットだけでなく,ACE 2005 や MAVEN などの汎用イベント検出データセットにも有意な結果が得られた。

関連論文リスト

• AI Flow at the Network Edge [58.31090055138711]
  AI Flowは、デバイス、エッジノード、クラウドサーバ間で利用可能な異種リソースを共同で活用することで、推論プロセスを合理化するフレームワークである。 この記事では、AI Flowのモチベーション、課題、原則を特定するためのポジションペーパーとして機能する。
  論文  参考訳（メタデータ） (2024-11-19T12:51:17Z)
• Text2Data: Low-Resource Data Generation with Textual Control [104.38011760992637]
  自然言語は、人間が機械とシームレスに対話するための共通かつ直接的な制御信号として機能する。 ラベルのないデータを用いて教師なし拡散モデルを用いて基礎となるデータ分布を理解する新しいアプローチであるText2Dataを提案する。 制御性を確保し、破滅的な忘れを効果的に防止する、新しい制約最適化ベースの学習目標を通じて制御可能な微調整を行う。
  論文  参考訳（メタデータ） (2024-02-08T03:41:39Z)
• RIS-Based On-the-Air Semantic Communications -- a Diffractional Deep Neural Network Approach [10.626169088908867]
  現在のAIベースのセマンティックコミュニケーション手法は実装にデジタルハードウェアを必要とする。 RISベースのセマンティックコミュニケーションは、光速計算、計算能力の低さ、複数のタスクを同時に処理する能力など、魅力的な機能を提供する。
  論文  参考訳（メタデータ） (2023-12-01T12:15:49Z)
• Causal Semantic Communication for Digital Twins: A Generalizable Imitation Learning Approach [74.25870052841226]
  デジタルツイン(DT)は、物理世界の仮想表現と通信(例えば6G)、コンピュータ、人工知能(AI)技術を活用して、多くの接続されたインテリジェンスサービスを実現する。 無線システムは、厳密な通信制約下での情報意思決定を容易にするために意味コミュニケーション(SC)のパラダイムを利用することができる。 DTベースの無線システムでは,因果意味通信(CSC)と呼ばれる新しいフレームワークが提案されている。
  論文  参考訳（メタデータ） (2023-04-25T00:15:00Z)
• Cognitive Semantic Communication Systems Driven by Knowledge Graph: Principle, Implementation, and Performance Evaluation [74.38561925376996]
  単一ユーザと複数ユーザのコミュニケーションシナリオに対して,認知意味コミュニケーションフレームワークが2つ提案されている。 知識グラフから推論規則をマイニングすることにより,効果的な意味補正アルゴリズムを提案する。 マルチユーザ認知型セマンティックコミュニケーションシステムにおいて,異なるユーザのメッセージを識別するために,メッセージ復元アルゴリズムを提案する。
  論文  参考訳（メタデータ） (2023-03-15T12:01:43Z)
• GeoAI for Knowledge Graph Construction: Identifying Causality Between Cascading Events to Support Environmental Resilience Research [3.3072870202596736]
  本稿では,災害イベントの因果関係を特定するためのGeoAIソリューションについて紹介する。 我々のソリューションは、イベント知識基盤を強化し、大きな知識グラフでリンクされたカスケードイベントの探索を可能にします。
  論文  参考訳（メタデータ） (2022-11-11T05:31:03Z)
• Neuro-Symbolic Causal Reasoning Meets Signaling Game for Emergent Semantic Communications [71.63189900803623]
  創発的SCシステムフレームワークを提案し,創発的言語設計のためのシグナリングゲームと因果推論のためのニューロシンボリック(NeSy)人工知能(AI)アプローチで構成されている。 ESCシステムは、意味情報、信頼性、歪み、類似性の新たな指標を強化するように設計されている。
  論文  参考訳（メタデータ） (2022-10-21T15:33:37Z)
• Neuro-Symbolic Artificial Intelligence (AI) for Intent based Semantic Communication [85.06664206117088]
  6Gネットワークはデータ転送のセマンティクスと有効性(エンドユーザ)を考慮する必要がある。 観測データの背後にある因果構造を学習するための柱としてNeSy AIが提案されている。 GFlowNetは、無線システムにおいて初めて活用され、データを生成する確率構造を学ぶ。
  論文  参考訳（メタデータ） (2022-05-22T07:11:57Z)
• COfEE: A Comprehensive Ontology for Event Extraction from text, with an online annotation tool [3.8995911009078816]
  イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。 EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。 COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
  論文  参考訳（メタデータ） (2021-07-21T19:43:22Z)
• Frequency-based Multi Task learning With Attention Mechanism for Fault Detection In Power Systems [6.4332733596587115]
  本稿では,障害検出のための新しいディープラーニングベースのアプローチを導入し,実際のデータセット,すなわち部分放電検出タスクのためのKaggleプラットフォーム上でテストする。 提案手法では,時系列の特徴を抽出するためのアテンション機構を備えたLong-Short Term Memoryアーキテクチャを採用し,信号の周波数情報を利用した1D-Convolutional Neural Network構造を用いて予測を行う。
  論文  参考訳（メタデータ） (2020-09-15T02:01:47Z)
• Complex networks for event detection in heterogeneous high volume news streams [0.0]
  オンラインニュースの量と頻度は、リアルタイムに動作可能な自動イベント検出方法の必要性を高める。 我々は、重要なニュースイベントが常にニュース記事にリンクされた名前付きエンティティを巻き込む、ネットワークベースのアプローチを開発する。
  論文  参考訳（メタデータ） (2020-05-28T02:45:43Z)

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。