論文の概要: POQue: Asking Participant-specific Outcome Questions for a Deeper Understanding of Complex Events

• arxiv url: http://arxiv.org/abs/2212.02629v1
• Date: Mon, 5 Dec 2022 22:23:27 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-07 16:33:43.920241
• Title: POQue: Asking Participant-specific Outcome Questions for a Deeper Understanding of Complex Events
• Title（参考訳）: POQue: 複雑なイベントをより深く理解するための参加者固有のアウトカム質問
• Authors: Sai Vallurupalli, Sayontan Ghosh, Katrin Erk, Niranjan Balasubramanian, Francis Ferraro
• Abstract要約: 群衆労働者は、状況を構成する健全な出来事の集団的影響を推測できることを示す。 マルチステップインタフェースを作成することで、8K短いニュースワイヤ物語とROCStoriesの高品質な注釈付きデータセットを収集する。 我々のデータセットであるPOQueは、意味理解の複数の側面に対処するモデルの探索と開発を可能にする。
• 参考スコア（独自算出の注目度）: 26.59626509200256
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Knowledge about outcomes is critical for complex event understanding but is hard to acquire. We show that by pre-identifying a participant in a complex event, crowd workers are able to (1) infer the collective impact of salient events that make up the situation, (2) annotate the volitional engagement of participants in causing the situation, and (3) ground the outcome of the situation in state changes of the participants. By creating a multi-step interface and a careful quality control strategy, we collect a high quality annotated dataset of 8K short newswire narratives and ROCStories with high inter-annotator agreement (0.74-0.96 weighted Fleiss Kappa). Our dataset, POQue (Participant Outcome Questions), enables the exploration and development of models that address multiple aspects of semantic understanding. Experimentally, we show that current language models lag behind human performance in subtle ways through our task formulations that target abstract and specific comprehension of a complex event, its outcome, and a participant's influence over the event culmination.
• Abstract（参考訳）: 結果に関する知識は複雑なイベント理解には不可欠だが、取得は難しい。 複雑なイベントの参加者を事前に特定することにより、群衆労働者は、(1)状況を構成するサルエントイベントの集団的影響を推測し、(2)状況の原因となる参加者の自発的関与を注釈し、(3)参加者の状態変化における状況の成果を判断できることを示す。 マルチステップインタフェースと注意深い品質管理戦略を作成することにより、高いアノテータ契約(0.74-0.96重み付きFleiss Kappa)を持つ8K短いニュースワイヤ物語とROCStoriesの高品質なアノテートデータセットを収集する。 我々のデータセットであるPOQue(Participant Outcome Questions)は、意味理解の複数の側面に対処するモデルの探索と開発を可能にする。 実験では, 複雑な事象の抽象的, 具体的な理解, 結果, 事象の終末に対する参加者の影響を目標としたタスク定式化を通じて, 現在の言語モデルが微妙に人間のパフォーマンスに遅れをとっていることを示す。

関連論文リスト

• Grounding Partially-Defined Events in Multimodal Data [61.0063273919745]
  部分定義イベントに対するマルチモーダル定式化を導入し、これらのイベントの抽出を3段階スパン検索タスクとしてキャストする。 このタスクのベンチマークであるMultiVENT-Gを提案し,22.8Kのラベル付きイベント中心エンティティを含む,14.5時間の高密度アノテーション付き現在のイベントビデオと1,168のテキストドキュメントからなる。 結果は、イベント理解の抽象的な課題を示し、イベント中心のビデオ言語システムにおける約束を実証する。
  論文  参考訳（メタデータ） (2024-10-07T17:59:48Z)
• SAGA: A Participant-specific Examination of Story Alternatives and Goal Applicability for a Deeper Understanding of Complex Events [13.894639630989563]
  このような知識は参加者達成レンズを通じて引き出すことができると我々は主張する。 我々は,参加者の意図した成果に基づいて,物語の中の複雑な出来事を分析する。 データセットに微調整された小さなモデルでは、より大きなモデルを上回るパフォーマンスが得られることを示す。
  論文  参考訳（メタデータ） (2024-08-11T14:52:40Z)
• Event prediction and causality inference despite incomplete information [0.41232474244672235]
  我々は,データポイントのシーケンス内で発生した事象を予測し,説明する上での課題について検討した。 特に、イベントの発生を引き起こす未知のトリガーが、非攻撃的で、マスク付き、ノイズの多いデータポイントから成り立つシナリオに注目しました。 分析、シミュレーション、機械学習のアプローチを組み合わせて、調査、定量化、ソリューションを提供しました。
  論文  参考訳（メタデータ） (2024-06-09T19:23:20Z)
• EVIT: Event-Oriented Instruction Tuning for Event Reasoning [18.012724531672813]
  イベント推論は、特定の関係に従ってイベントを推論し、将来のイベントを予測することを目的としている。 大規模言語モデル(LLM)は、その豊富な知識と推論能力のために、イベント推論において大きな進歩を遂げている。 しかし、現在使われている命令調整モデルでは、これらのタスクを管理するのに例外的な習熟度が一貫して示されていない。
  論文  参考訳（メタデータ） (2024-04-18T08:14:53Z)
• Complex Reasoning over Logical Queries on Commonsense Knowledge Graphs [61.796960984541464]
  論理クエリをサンプリングして作成した新しいデータセットであるCOM2(COMplex COMmonsense)を提示する。 我々は、手書きのルールと大きな言語モデルを用いて、複数の選択とテキスト生成の質問に言語化します。 COM2でトレーニングされた言語モデルでは、複雑な推論能力が大幅に改善されている。
  論文  参考訳（メタデータ） (2024-03-12T08:13:52Z)
• Enhancing HOI Detection with Contextual Cues from Large Vision-Language Models [56.257840490146]
  ConCueは、HOI検出における視覚的特徴抽出を改善するための新しいアプローチである。 コンテクストキューをインスタンスと相互作用検出器の両方に統合するマルチトウワーアーキテクチャを用いたトランスフォーマーベースの特徴抽出モジュールを開発した。
  論文  参考訳（メタデータ） (2023-11-26T09:11:32Z)
• 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)
• 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)
• "What Are You Trying to Do?" Semantic Typing of Event Processes [94.3499255880101]
  本稿では,認知に動機づけられたセマンティックタイピングタスク,多軸イベントプロセスタイピングについて検討する。 我々は60k以上のイベントプロセスを含む大規模なデータセットを開発し、アクションとオブジェクトタイプの軸の両方に極細粒度のタイピングを特徴とする。 本稿では,Glosses1からの間接的監視によるタイピング問題に対処するハイブリッド学習フレームワークP2GTと,共同学習からランクへのフレームワークを提案する。
  論文  参考訳（メタデータ） (2020-10-13T22:37:29Z)

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。