論文の概要: Hierarchical Event Grounding

• arxiv url: http://arxiv.org/abs/2302.04197v1
• Date: Wed, 8 Feb 2023 17:09:41 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-09 15:25:54.306072
• Title: Hierarchical Event Grounding
• Title（参考訳）: 階層型イベントグラウンド
• Authors: Jiefu Ou, Adithya Pratapa, Rishubh Gupta, Teruko Mitamura
• Abstract要約: イベントグラウンディングは、テキスト中の参照参照を知識ベース(KB)からのイベントにリンクすることを目的としている。 本稿では,イベント階層を補助的階層的損失によって活用する検索手法を提案する。
• 参考スコア（独自算出の注目度）: 7.561459516972332
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event grounding aims at linking mention references in text corpora to events from a knowledge base (KB). Previous work on this task focused primarily on linking to a single KB event, thereby overlooking the hierarchical aspects of events. Events in documents are typically described at various levels of spatio-temporal granularity (Glavas et al. 2014). These hierarchical relations are utilized in downstream tasks of narrative understanding and schema construction. In this work, we present an extension to the event grounding task that requires tackling hierarchical event structures from the KB. Our proposed task involves linking a mention reference to a set of event labels from a subevent hierarchy in the KB. We propose a retrieval methodology that leverages event hierarchy through an auxiliary hierarchical loss (Murty et al. 2018). On an automatically created multilingual dataset from Wikipedia and Wikidata, our experiments demonstrate the effectiveness of the hierarchical loss against retrieve and re-rank baselines (Wu et al. 2020; Pratapa, Gupta, and Mitamura 2022). Furthermore, we demonstrate the systems' ability to aid hierarchical discovery among unseen events.
• Abstract（参考訳）: イベントグラウンディングは、テキストコーパス内の参照参照を知識ベース(KB)からのイベントにリンクすることを目的としている。 このタスクに関する以前の作業は、主に単一のkbイベントへのリンクに重点を置いており、イベントの階層的な側面を見下ろしている。 文書中の出来事は、通常、時空間的粒度の様々なレベルに記述される(Glavas et al. 2014)。 これらの階層関係は、ナラティブ理解とスキーマ構築の下流タスクで利用される。 本稿では、kbから階層的なイベント構造に取り組む必要があるイベントグランド化タスクの拡張を提案する。 提案するタスクは、kb内のサブイベント階層から、参照参照とイベントラベルのセットをリンクすることです。 補助的な階層的損失(murty et al. 2018)を通じてイベント階層を利用する検索手法を提案する。 ウィキペディアとウィキデータから自動生成した多言語データセットを用いて,検索・再ランクベースラインに対する階層的損失の有効性を実証した(Wu et al. 2020, Pratapa, Gupta, Mitamura 2022)。 さらに,未発見事象の階層的発見を支援するシステムの能力を示す。

関連論文リスト

• Enhancing Cross-Document Event Coreference Resolution by Discourse Structure and Semantic Information [33.21818213257603]
  クロスドキュメントのイベントコア参照解決モデルは、参照の類似性を直接計算するか、イベント引数を抽出することで参照表現を強化することができる。 本稿では,文書の構造的・意味的情報をモデル化するために,文書レベルのレトリック構造理論(RST)木とクロスドキュメントのレキシカル・チェーンの構築を提案する。 このギャップを埋めるために、大規模な中国のクロスドキュメントイベントコアデータセットを開発した。
  論文  参考訳（メタデータ） (2024-06-23T02:54:48Z)
• Event GDR: Event-Centric Generative Document Retrieval [37.53593254200252]
  イベント中心の生成文書検索モデルであるEvent GDRを提案する。 我々は、文書の包括性と内的内容の相関を保証するために、文書のモデル化にイベントと関係を用いる。 識別子構築では、イベントを適切に定義されたイベント分類にマッピングし、明示的な意味構造を持つ識別子を構築する。
  論文  参考訳（メタデータ） (2024-05-11T02:55:11Z)
• Argument-Aware Approach To Event Linking [47.424863133787575]
  イベントリンクは、テキスト内のイベント参照と、知識ベース(KB)内の関連するノードを接続する。 我々は、入力テキストにタグ付けされたイベント引数情報を追加することで、イベントリンクモデルを改善する。 イベント引数の制御操作により、KB内インスタンスからKB外のトレーニング例を合成する。
  論文  参考訳（メタデータ） (2024-03-22T10:32:43Z)
• Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification [81.17473088621209]
  イベントスキーマを,大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱う。 複雑なイベントグラフの構築を3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。 線形化グラフを生成するのにLLMを直接使用するのに比べ、時間関係が7.2%F1、階層関係が31.0%F1の大規模かつ複雑なスキーマを生成することができる。
  論文  参考訳（メタデータ） (2023-07-05T01:00:44Z)
• Association Graph Learning for Multi-Task Classification with Category Shifts [68.58829338426712]
  関連する分類タスクが同じラベル空間を共有し、同時に学習されるマルチタスク分類に焦点を当てる。 我々は、不足クラスのためのタスク間で知識を伝達する関連グラフを学習する。 我々の手法は代表的基準よりも一貫して性能が良い。
  論文  参考訳（メタデータ） (2022-10-10T12:37:41Z)
• Beyond Grounding: Extracting Fine-Grained Event Hierarchies Across Modalities [43.048896440009784]
  マルチモーダル(ビデオとテキスト)データからイベント階層を抽出するタスクを提案する。 これはイベントの構造を明らかにし、それらを理解するのに不可欠である。 我々は,この課題に対して,最先端のユニモーダルベースラインとマルチモーダルベースラインの限界を示す。
  論文  参考訳（メタデータ） (2022-06-14T23:24:15Z)
• Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
  本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。 このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。 我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
  論文  参考訳（メタデータ） (2022-06-08T20:31:02Z)
• Use All The Labels: A Hierarchical Multi-Label Contrastive Learning Framework [75.79736930414715]
  本稿では,すべての利用可能なラベルを活用でき,クラス間の階層的関係を維持できる階層型多言語表現学習フレームワークを提案する。 比較損失に階層的ペナルティを併用し,その階層的制約を強制する。
  論文  参考訳（メタデータ） (2022-04-27T21:41:44Z)
• Event Linking: Grounding Event Mentions to Wikipedia [63.087102209379864]
  この作業は、イベントレベルでの新しい自然言語理解タスクであるEvent Linkingを定義する。 イベントリンクは、例えばニュース記事に現れるイベント参照を、最も適切なWikipediaページにリンクしようとする。
  論文  参考訳（メタデータ） (2021-12-15T05:06:18Z)
• Rank-based loss for learning hierarchical representations [7.421724671710886]
  機械学習では、"extra"情報を使用するメソッドのファミリーを階層分類(hierarchical classification)と呼ぶ。 ここでは、階層的関係を表す埋め込みを学習するために、問題の階層的情報を統合する方法に焦点を当てる。 ランクに基づく損失はデータの階層的表現を学習するのに適していることを示す。
  論文  参考訳（メタデータ） (2021-10-11T10:32:45Z)
• Exploring the Hierarchy in Relation Labels for Scene Graph Generation [75.88758055269948]
  提案手法は,Recall@50において,複数の最先端ベースラインを大きなマージン(最大33%の相対利得)で改善することができる。 実験により,提案手法により,最先端のベースラインを大きなマージンで改善できることが示された。
  論文  参考訳（メタデータ） (2020-09-12T17:36:53Z)

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。