論文の概要: Rich Event Modeling for Script Event Prediction

• arxiv url: http://arxiv.org/abs/2212.08287v1
• Date: Fri, 16 Dec 2022 05:17:59 GMT
• ステータス: 処理完了
• システム内更新日: 2022-12-19 14:18:18.560883
• Title: Rich Event Modeling for Script Event Prediction
• Title（参考訳）: スクリプトイベント予測のためのリッチイベントモデリング
• Authors: Long Bai, Saiping Guan, Zixuan Li, Jiafeng Guo, Xiaolong Jin, Xueqi Cheng
• Abstract要約: スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 予測器の中核となるコンポーネントは、任意の数の引数を柔軟に扱う変換器ベースのイベントエンコーダである。
• 参考スコア（独自算出の注目度）: 60.67635412135682
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Script is a kind of structured knowledge extracted from texts, which contains a sequence of events. Based on such knowledge, script event prediction aims to predict the subsequent event. To do so, two aspects should be considered for events, namely, event description (i.e., what the events should contain) and event encoding (i.e., how they should be encoded). Most existing methods describe an event by a verb together with only a few core arguments (i.e., subject, object, and indirect object), which are not precise. In addition, existing event encoders are limited to a fixed number of arguments, which are not flexible to deal with extra information. Thus, in this paper, we propose the Rich Event Prediction (REP) framework for script event prediction. Fundamentally, it is based on the proposed rich event description, which enriches the existing ones with three kinds of important information, namely, the senses of verbs, extra semantic roles, and types of participants. REP contains an event extractor to extract such information from texts. Based on the extracted rich information, a predictor then selects the most probable subsequent event. The core component of the predictor is a transformer-based event encoder to flexibly deal with an arbitrary number of arguments. Experimental results on the widely used Gigaword Corpus show the effectiveness of the proposed framework.
• Abstract（参考訳）: scriptは、一連のイベントを含むテキストから抽出された構造化知識の一種である。 このような知識に基づいて、スクリプトイベント予測は、次のイベントを予測することを目的としている。 そのためには、イベント記述(イベントに含まれるもの)とイベントエンコーディング(どのようにエンコードすべきか)という2つの側面を考慮する必要がある。 既存のほとんどのメソッドは、正確でないいくつかの中核引数(主題、オブジェクト、間接オブジェクト)と共に動詞によるイベントを記述する。 さらに、既存のイベントエンコーダは一定数の引数に制限されているため、余分な情報を扱うには柔軟性がない。 そこで本稿では,スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 基本的には、提案されたリッチなイベント記述に基づいており、既存のイベント記述を3種類の重要な情報、すなわち動詞の感覚、余分な意味的役割、参加者のタイプで豊かにする。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 抽出されたリッチ情報に基づいて、予測者は、最も可能性の高い後続イベントを選択する。 予測器のコアコンポーネントは、任意の数の引数を柔軟に扱うトランスフォーマベースのイベントエンコーダである。 広く使われているGigaword Corpusの実験結果から,提案手法の有効性が示された。

関連論文リスト

• Improving Event Definition Following For Zero-Shot Event Detection [66.27883872707523]
  ゼロショットイベント検出に対する既存のアプローチは通常、既知のイベントタイプをアノテートしたデータセット上でモデルをトレーニングする。 イベント定義に従うためのトレーニングモデルによるゼロショットイベント検出の改善を目指しています。
  論文  参考訳（メタデータ） (2024-03-05T01:46:50Z)
• 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)
• 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)
• Rethinking the Event Coding Pipeline with Prompt Entailment [1.370633147306388]
  危機を監視するため、ニュースから政治的出来事が抽出される。 大量の構造化されていないフルテキストのイベント記述はケースバイケース分析を管理不能にする。 我々は、より柔軟でリソース効率の良い新しいイベントコーディングアプローチであるPR-ENTを提案する。
  論文  参考訳（メタデータ） (2022-10-11T08:38:48Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• Integrating Deep Event-Level and Script-Level Information for Script Event Prediction [60.67635412135681]
  本稿では,MCPredictorと呼ばれるTransformerベースのモデルを提案する。 The experimental results on the wide-useed New York Times corpus showed the effectiveness and superiority of the proposed model。
  論文  参考訳（メタデータ） (2021-09-24T07:37:32Z)
• EventPlus: A Temporal Event Understanding Pipeline [12.313545429119651]
  EventPlusは、さまざまな最先端のイベント理解コンポーネントを統合する一時的なイベント理解パイプラインです。 EventPlusを一般公開し、イベント関連の情報抽出と下流アプリケーションを容易にします。
  論文  参考訳（メタデータ） (2021-01-13T08:00:50Z)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)

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。