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
- Complex Reasoning over Logical Queries on Commonsense Knowledge Graphs [67.50874041220371]
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) - Towards Event Extraction from Speech with Contextual Clues [61.164413398231254]
本稿では,音声イベント抽出(SpeechEE)タスクを導入し,3つの合成トレーニングセットと1つの人為的テストセットを構築した。
テキストからのイベント抽出と比較して、SpeechEEは、主に連続的で単語境界を持たない複雑な音声信号のために、より大きな課題を提起する。
我々の手法はすべてのデータセットに大幅な改善をもたらし、最大10.7%のF1ゲインを達成する。
論文 参考訳(メタデータ) (2024-01-27T11:07:19Z) - 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) - Event Causality Extraction with Event Argument Correlations [13.403222002600558]
Event Causality extractは、プレーンテキストから因果関係のイベント因果関係のペアを抽出することを目的としている。
本稿では,ECE の時間内および時間内引数相関を捉えるための二重グリッドタギング方式を提案する。
論文 参考訳(メタデータ) (2023-01-27T09:48:31Z) - NeurIPS Competition Instructions and Guide: Causal Insights for Learning
Paths in Education [15.014508164142075]
参加者は、時系列データを用いた教育の文脈における機械学習における2つの基本的な因果的課題に対処する。
1つ目は、構成物が学習の最小要素として定義される異なる構成物間の因果関係を特定することである。
2つ目の課題は、ある構造を学ぶことが他の構造に対する質問に答える能力に与える影響を予測することである。
論文 参考訳(メタデータ) (2022-08-17T10:13:17Z) - It's the Same Old Story! Enriching Event-Centric Knowledge Graphs by
Narrative Aspects [0.3655021726150368]
イベント中心の知識グラフのための新しい軽量な構造を導入し,視点依存と物語的側面を取り入れたクエリを初めて実現した。
本実験は、イベント参加者に対する主観的帰属の効果的な取り込みを証明し、物語クエリ処理に特化して調整された指標の利点を示すものである。
論文 参考訳(メタデータ) (2022-05-08T14:00:41Z) - 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) - Understand me, if you refer to Aspect Knowledge: Knowledge-aware Gated
Recurrent Memory Network [54.735400754548635]
アスペクトレベルの感情分類(ASC)は、レビューで言及された特定の側面に対する微粒な感情極性を予測することを目的としている。
最近のASCの進歩にもかかわらず、マシンが重要な側面の感情を推測できるようにすることは依然として困難である。
本稿では,(1)アスペクト知識の欠如によるアスペクト表現がアスペクトの正確な意味と特性情報を表現するのに不十分であること,(2)先行研究は局所的な構文情報とグローバルな関係情報のみを捉えること,という2つの課題に対処する。
論文 参考訳(メタデータ) (2021-08-05T03:39:30Z) - "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。