論文の概要: GLEN: General-Purpose Event Detection for Thousands of Types

• arxiv url: http://arxiv.org/abs/2303.09093v1
• Date: Thu, 16 Mar 2023 05:36:38 GMT
• ステータス: 処理完了
• システム内更新日: 2023-03-17 16:34:29.509231
• Title: GLEN: General-Purpose Event Detection for Thousands of Types
• Title（参考訳）: GLEN:数千の型に対する汎用イベント検出
• Authors: Qiusi Zhan, Sha Li, Kathryn Conger, Martha Palmer, Heng Ji, Jiawei Han
• Abstract要約: 我々は,3,465種類のイベントを対象とする汎用イベント検出データセットGLENを構築した。 GLENはDWD Overlayを利用して作成され、Wikidata QnodesとPropBankのロールセット間のマッピングを提供する。 また,GLENにおける大きなオントロジーサイズと部分ラベルを扱うために設計された,新しい多段階イベント検出モデルを提案する。
• 参考スコア（独自算出の注目度）: 69.5955874483536
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: The development of event extraction systems has been hindered by the absence of wide-coverage, large-scale datasets. To make event extraction systems more accessible, we build a general-purpose event detection dataset GLEN, which covers 3,465 different event types, making it over 20x larger in ontology than any current dataset. GLEN is created by utilizing the DWD Overlay, which provides a mapping between Wikidata Qnodes and PropBank rolesets. This enables us to use the abundant existing annotation for PropBank as distant supervision. In addition, we also propose a new multi-stage event detection model specifically designed to handle the large ontology size and partial labels in GLEN. We show that our model exhibits superior performance (~10% F1 gain) compared to both conventional classification baselines and newer definition-based models. Finally, we perform error analysis and show that label noise is still the largest challenge for improving performance.
• Abstract（参考訳）: イベント抽出システムの開発は、広範囲の大規模データセットがないために妨げられている。 イベント抽出システムをより使いやすくするために、汎用イベント検出データセットglenを構築し、これは3,465種類のイベントタイプをカバーし、現在のどのデータセットよりも20倍以上大きなオントロジーを持つ。 GLENはDWD Overlayを利用して作成され、Wikidata QnodesとPropBankのロールセット間のマッピングを提供する。 これにより、PropBankの豊富なアノテーションを遠隔監視として利用することができます。 さらに,GLENにおける大きなオントロジーサイズと部分ラベルを扱うために設計された,多段階イベント検出モデルを提案する。 従来の分類基準モデルとより新しい定義ベースモデルよりも優れた性能(約10% F1ゲイン)を示す。 最後に, 誤差解析を行い, ラベルノイズが依然として性能向上の最大の課題であることを示す。

関連論文リスト

• GENEVA: Pushing the Limit of Generalizability for Event Argument Extraction with 100+ Event Types [77.05288144035056]
  Event Argument extract (EAE)は、自然言語テキストからイベント固有の情報を抽出するタスクを扱う。 ACEやEREのような既存のベンチマークデータセットのほとんどは、イベントに関して限定的なカバレッジを持っている。 多様な115のイベントと187の引数ロールをカバーする新しいデータセットを導入する。
  論文  参考訳（メタデータ） (2022-05-25T05:46:28Z)
• BigDetection: A Large-scale Benchmark for Improved Object Detector Pre-training [44.32782190757813]
  我々はBigDetectionと呼ばれる新しい大規模ベンチマークを構築した。 私たちのデータセットには600のオブジェクトカテゴリがあり、3.4M以上のトレーニングイメージと36Mのバウンディングボックスが含まれています。
  論文  参考訳（メタデータ） (2022-03-24T17:57:29Z)
• 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)
• Learning Constraints and Descriptive Segmentation for Subevent Detection [74.48201657623218]
  本稿では,サブイベント検出とEventSeg予測の依存関係をキャプチャする制約を学習し,強制するアプローチを提案する。 我々は制約学習にRectifier Networksを採用し、学習した制約をニューラルネットワークの損失関数の正規化項に変換する。
  論文  参考訳（メタデータ） (2021-09-13T20:50:37Z)
• Document-level Event Extraction via Heterogeneous Graph-based Interaction Model with a Tracker [23.990907956996413]
  文書レベルのイベント抽出は、記事全体からイベント情報を認識することを目的としている。 この2つの課題のために既存の手法は有効ではない。 トラッカーを用いた異種グラフベースインタラクションモデルを提案する。
  論文  参考訳（メタデータ） (2021-05-31T12:45:03Z)
• Adversarial Feature Augmentation and Normalization for Visual Recognition [109.6834687220478]
  最近のコンピュータビジョンの進歩は、分類モデルの一般化能力を改善するために、逆データ拡張を利用する。 本稿では,中間的特徴埋め込みにおける敵対的拡張を提唱する効率的かつ効率的な代替手法を提案する。 代表的なバックボーンネットワークを用いて,多様な視覚認識タスクにまたがる提案手法を検証する。
  論文  参考訳（メタデータ） (2021-03-22T20:36:34Z)
• Cascaded Models for Better Fine-Grained Named Entity Recognition [10.03287972980716]
  細粒度NERをラベル付けするためのケースドアプローチを新たにリリースした細粒度NERデータセットに適用する。 完全きめ細かな型で構築された直感的なモデルと比較して,20F1絶対値で性能を向上できることを示す。
  論文  参考訳（メタデータ） (2020-09-15T18:41:29Z)
• Open Graph Benchmark: Datasets for Machine Learning on Graphs [86.96887552203479]
  スケーラブルで堅牢で再現可能なグラフ機械学習(ML)の研究を容易にするために,Open Graph Benchmark(OGB)を提案する。 OGBデータセットは大規模で、複数の重要なグラフMLタスクを含み、さまざまなドメインをカバーする。 各データセットに対して,有意義なアプリケーション固有のデータ分割と評価指標を用いた統一評価プロトコルを提供する。
  論文  参考訳（メタデータ） (2020-05-02T03:09:50Z)

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。