論文の概要: What happens before and after: Multi-Event Commonsense in Event Coreference Resolution

• arxiv url: http://arxiv.org/abs/2302.09715v2
• Date: Tue, 21 Feb 2023 22:44:34 GMT
• ステータス: 処理完了
• システム内更新日: 2023-02-23 12:06:51.778713
• Title: What happens before and after: Multi-Event Commonsense in Event Coreference Resolution
• Title（参考訳）: 前後に何が起こるか:イベントコリファレンス解決におけるマルチイベントコモンセンス
• Authors: Sahithya Ravi, Chris Tanner, Raymond Ng, Vered Shwartz
• Abstract要約: 本稿では,イベント参照を時間的コモンセンス推論で拡張するモデルを提案する。 このような推論を既存のイベントコアモデルに組み込むことで、その性能が向上することを示す。
• 参考スコア（独自算出の注目度）: 9.57377689986741
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event coreference models cluster event mentions pertaining to the same real-world event. Recent models rely on contextualized representations to recognize coreference among lexically or contextually similar mentions. However, models typically fail to leverage commonsense inferences, which is particularly limiting for resolving lexically-divergent mentions. We propose a model that extends event mentions with temporal commonsense inferences. Given a complex sentence with multiple events, e.g., "The man killed his wife and got arrested", with the target event "arrested", our model generates plausible events that happen before the target event - such as "the police arrived", and after it, such as "he was sentenced". We show that incorporating such inferences into an existing event coreference model improves its performance, and we analyze the coreferences in which such temporal knowledge is required.
• Abstract（参考訳）: イベントコリファレンスモデル クラスタイベントは、同じ現実世界のイベントに関連するものだ。 最近のモデルは、語彙的または文脈的に類似した言及間の相互参照を認識するために文脈化された表現に依存している。 しかし、モデルは通常コモンセンス推論の活用に失敗し、特に語彙分割の言及の解決に制限される。 本稿では,イベント参照を時間的コモンセンス推論で拡張するモデルを提案する。 例えば、「男は妻を殺し、逮捕された」といった複雑な刑期が与えられ、ターゲットイベントは「逮捕」され、我々のモデルは「警察が到着した」など、対象イベントの前に起こり、その後に「判決」が下された。 このような推論を既存のイベントコリファレンスモデルに組み込むことで、そのパフォーマンスが向上することを示すとともに、時間的知識が必要なコリファレンスの分析を行う。

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)
• 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)
• A Generative Approach for Script Event Prediction via Contrastive Fine-tuning [35.87615178251874]
  Scriptイベント予測は、コンテキストが与えられた後続のイベントを予測することを目的としている。 近年の研究では,事前学習言語モデルと外部知識の導入により,事象相関推論の改善が試みられている。 本稿では,事前学習した言語モデルをイベント中心の事前学習目的で微調整する,新しい生成手法を提案する。
  論文  参考訳（メタデータ） (2022-12-07T07:32:47Z)
• Efficient Zero-shot Event Extraction with Context-Definition Alignment [50.15061819297237]
  イベント抽出(EE)は、テキストから関心のあるイベント参照を特定するタスクである。 イベントタイプ名の静的な埋め込みは、1つの単語があいまいなため、十分ではないかもしれない、と私たちは主張する。 我々はZED(Zero-shot Event extract with Definition)と名付けた。
  論文  参考訳（メタデータ） (2022-11-09T19:06:22Z)
• 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)
• EA$^2$E: Improving Consistency with Event Awareness for Document-Level Argument Extraction [52.43978926985928]
  本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。 WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
  論文  参考訳（メタデータ） (2022-05-30T04:33:51Z)
• Event Extraction as Natural Language Generation [42.081626647997616]
  イベント抽出は通常、分類または構造化予測問題として定式化される。 我々は、イベント内の複雑な依存関係をキャプチャするだけでなく、目に見えないイベントタイプやまれなイベントタイプをうまく一般化するモデルであるGenEEを提案する。 実験結果から, ゼロショット, 少数ショット, 高リソースのシナリオにおいて, イベント抽出タスクにおいて, イベント抽出タスクにおいて高い性能を達成できることが示唆された。
  論文  参考訳（メタデータ） (2021-08-29T00:27:31Z)
• Conditional Generation of Temporally-ordered Event Sequences [29.44608199294757]
  本稿では,イベントシーケンスの時間性だけでなく,イベント共起を捉えることができる条件生成モデルを提案する。 この単一モデルは、時間的順序付け、与えられたイベント列をそれらが発生した順序にソートすること、イベントを埋め込むことの両方に対処でき、既存のイベントの時間的順序付けシーケンスに適合する新しいイベントを予測できる。
  論文  参考訳（メタデータ） (2020-12-31T18:10:18Z)
• 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。