論文の概要: Whats New? Identifying the Unfolding of New Events in Narratives

• arxiv url: http://arxiv.org/abs/2302.07748v3
• Date: Thu, 25 May 2023 10:24:53 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-26 20:57:00.729903
• Title: Whats New? Identifying the Unfolding of New Events in Narratives
• Title（参考訳）: 何が新しいの? 物語における新しい出来事の展開を特定する
• Authors: Seyed Mahed Mousavi, Shohei Tanaka, Gabriel Roccabruna, Koichiro Yoshino, Satoshi Nakamura, Giuseppe Riccardi
• Abstract要約: 本稿では,イベントの情報状況(IS)を調査し,物語におけるテクトライトニューイベントの自動識別という,新たな課題を提案する。 我々は、事象を主題、述語、対象の三重項として定義する。 我々は,人間の注釈を用いて,新しい出来事を文レベルで表現した物語の公開コーパスを注釈した。
• 参考スコア（独自算出の注目度）: 11.058053956455545
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Narratives include a rich source of events unfolding over time and context. Automatic understanding of these events provides a summarised comprehension of the narrative for further computation (such as reasoning). In this paper, we study the Information Status (IS) of the events and propose a novel challenging task: the automatic identification of \textit{new} events in a narrative. We define an event as a triplet of subject, predicate, and object. The event is categorized as new with respect to the discourse context and whether it can be inferred through commonsense reasoning. We annotated a publicly available corpus of narratives with the new events at sentence level using human annotators. We present the annotation protocol and study the quality of the annotation and the difficulty of the task. We publish the annotated dataset, annotation materials, and machine learning baseline models for the task of new event extraction for narrative understanding.
• Abstract（参考訳）: ナラティブには、時間とコンテキストにまたがる豊富なイベントソースが含まれている。 これらの出来事の自動理解は、さらなる計算(推論など)のために物語を要約した理解を提供する。 本稿では,イベントの情報状況(IS)を調査し,物語中の「textit{new}」イベントの自動識別という,新たな課題を提案する。 イベントは主題、述語、オブジェクトの三重項として定義します。 イベントは、談話の文脈と、コモンセンス推論によって推測できるかどうかに関して、新しく分類される。 我々は,人間の注釈を用いて,新しい出来事を文レベルで表現した物語の公開コーパスを注釈した。 本稿ではアノテーションプロトコルを提案し,アノテーションの品質とタスクの難易度について検討する。 ナラティブ理解のための新しいイベント抽出タスクのために,アノテーション付きデータセット,アノテーション資料,機械学習ベースラインモデルを公開する。

関連論文リスト

• Lost in Recursion: Mining Rich Event Semantics in Knowledge Graphs [2.657233098224094]
  複雑な出来事に関する物語を構築・活用する方法を示す。 複雑な事象に対する異なる視点を考慮に入れるために、テキストからそのような物語をマイニングするアルゴリズムを提供する。
  論文  参考訳（メタデータ） (2024-04-25T08:33:08Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• 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)
• Continual Event Extraction with Semantic Confusion Rectification [50.59450741139265]
  本研究では, 連続イベント抽出法について検討し, 忘れることを避けつつ, 間欠的に出現するイベント情報を抽出することを目的とした。 イベントタイプに関するセマンティックな混乱は、時間とともに更新される同じテキストのアノテーションに由来することを観察する。 本稿では,意味的混乱を是正した新しい連続イベント抽出モデルを提案する。
  論文  参考訳（メタデータ） (2023-10-24T02:48:50Z)
• SumREN: Summarizing Reported Speech about Events in News [51.82314543729287]
  本稿では,各話者の反応を,それぞれの発言によって表現された反応を,ある事象に要約する新しい課題を提案する。 我々は,多文書要約ベンチマークSUMRENを作成し,様々な公開人物からの報告文の745の要約を作成した。
  論文  参考訳（メタデータ） (2022-12-02T12:51:39Z)
• NECE: Narrative Event Chain Extraction Toolkit [64.89332212585404]
  NECEはオープンアクセス型文書レベルのツールキットで,その発生の時間順に物語のイベントを自動的に抽出・アライメントする。 NECEツールキットの高品質さを示し、性別に関するナラティブバイアスを分析するために、その下流の応用を実証する。 また、現状のアプローチの欠点と、今後の研究で生成モデルを活用する可能性についてもオープンに論じる。
  論文  参考訳（メタデータ） (2022-08-17T04:30:58Z)
• 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)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)
• Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
  本稿では,OED(Ongoing Event Detection)タスクを紹介する。 目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。 構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
  論文  参考訳（メタデータ） (2020-07-02T20:44:05Z)

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。