論文の概要: Global Constraints with Prompting for Zero-Shot Event Argument Classification

• arxiv url: http://arxiv.org/abs/2302.04459v1
• Date: Thu, 9 Feb 2023 06:39:29 GMT
• ステータス: 翻訳完了
• システム内更新日: 2023-02-10 16:38:03.241231
• Title: Global Constraints with Prompting for Zero-Shot Event Argument Classification
• Title（参考訳）: ゼロショットイベント引数分類のためのプロンプト付きグローバル制約
• Authors: Zizheng Lin, Hongming Zhang and Yangqiu Song
• Abstract要約: 我々は、アノテーションやタスク固有のトレーニングを使わずに、イベント引数の分類に取り組むよう促すことで、グローバルな制約を利用することを提案する。 事前訓練された言語モデルは、新しいパスをスコアし、最初の予測を行う。 私たちの新しいプロンプトテンプレートは、手作業なしで、すべてのイベントや引数タイプに簡単に適応できます。
• 参考スコア（独自算出の注目度）: 49.84347224233628
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Determining the role of event arguments is a crucial subtask of event extraction. Most previous supervised models leverage costly annotations, which is not practical for open-domain applications. In this work, we propose to use global constraints with prompting to effectively tackles event argument classification without any annotation and task-specific training. Specifically, given an event and its associated passage, the model first creates several new passages by prefix prompts and cloze prompts, where prefix prompts indicate event type and trigger span, and cloze prompts connect each candidate role with the target argument span. Then, a pre-trained language model scores the new passages, making the initial prediction. Our novel prompt templates can easily adapt to all events and argument types without manual effort. Next, the model regularizes the prediction by global constraints exploiting cross-task, cross-argument, and cross-event relations. Extensive experiments demonstrate our model's effectiveness: it outperforms the best zero-shot baselines by 12.5% and 10.9% F1 on ACE and ERE with given argument spans and by 4.3% and 3.3% F1, respectively, without given argument spans. We have made our code publicly available.
• Abstract（参考訳）: イベント引数の役割を決定することは、イベント抽出の重要なサブタスクである。 以前の監督モデルの多くはコストのかかるアノテーションを利用するが、これはオープンドメインアプリケーションでは実用的ではない。 本稿では,アノテーションやタスク固有のトレーニングを使わずに,イベント引数の分類に効果的に取り組むことを促すために,グローバル制約の利用を提案する。 具体的には、イベントとその関連通路が与えられると、モデルが最初にプレフィックスプロンプトとclozeプロンプトによっていくつかの新しい通路を作成し、プレフィックスプロンプトがイベントタイプとトリガースパンを示し、clozeプロンプトがそれぞれの候補ロールとターゲット引数スパンを接続する。 次に、事前学習した言語モデルが新しい節をスコア付けし、最初の予測を行う。 我々の新しいプロンプトテンプレートは、手作業なしですべてのイベントと引数タイプに容易に適応できます。 次に、このモデルは、クロスタスク、クロスアロゲーション、クロスイベント関係を利用したグローバル制約による予測を定式化する。 aceおよびereにおける最高のゼロショットベースラインを、与えられた引数スパンで12.5%、ereで10.9%、引数スパンで4.3%、f1を3.3%上回った。 私たちはコードを公開しました。

関連論文リスト

• CorefPrompt: Prompt-based Event Coreference Resolution by Measuring Event Type and Argument Compatibilities [16.888201607072318]
  イベントコア参照解決(ECR)は、同じ現実世界のイベントを参照するイベント参照を、クラスタにグループ化することを目的としている。 本稿では,ECRをクローゼスタイル(マスケプド言語モデル)タスクに変換するためのプロンプトベースのアプローチであるCorefPromptを提案する。 これにより、完全に共有されたコンテキストで、単一のテンプレート内で同時イベントモデリングとコア参照の識別が可能になる。
  論文  参考訳（メタデータ） (2023-10-23T02:47:27Z)
• Enhancing Document-level Event Argument Extraction with Contextual Clues and Role Relevance [12.239459451494872]
  ドキュメントレベルのイベント引数抽出は、ロングインプットとクロスセンス推論という新たな課題を引き起こす。 本研究では,Span-Triggerに基づくコンテキストプーリングと潜在ロールガイダンスモデルを提案する。
  論文  参考訳（メタデータ） (2023-10-08T11:29:10Z)
• Retrieval-Augmented Generative Question Answering for Event Argument Extraction [66.24622127143044]
  イベント引数抽出のための検索拡張生成QAモデル(R-GQA)を提案する。 最も類似したQAペアを検索し、現在の例のコンテキストへのプロンプトとして拡張し、引数を回答としてデコードする。 提案手法は, 様々な設定において, かなり先行した手法より優れている。
  論文  参考訳（メタデータ） (2022-11-14T02:00:32Z)
• PILED: An Identify-and-Localize Framework for Few-Shot Event Detection [79.66042333016478]
  本研究では,事前学習した言語モデルから事象関連知識を引き出すために,クローゼプロンプトを用いた。 型固有のパラメータの数を最小化し、新しい型に対するイベント検出タスクに迅速に適応できるようにします。
  論文  参考訳（メタデータ） (2022-02-15T18:01:39Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• Generating Disentangled Arguments with Prompts: A Simple Event Extraction Framework that Works [9.36117752274482]
  イベント抽出は、テキストとイベント信号の間のギャップを橋渡しする。 イベント抽出の領域にプロンプトベースの学習戦略を導入する。 Argument extractのF1スコアに関しては、私たちのシンプルなアーキテクチャは他のどの生成的アーキテクチャよりも強いです。
  論文  参考訳（メタデータ） (2021-10-09T09:36:08Z)
• Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
  イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。 タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。 また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
  論文  参考訳（メタデータ） (2021-04-13T03:36:38Z)
• 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。