論文の概要: Harvesting Event Schemas from Large Language Models

• arxiv url: http://arxiv.org/abs/2305.07280v1
• Date: Fri, 12 May 2023 06:51:05 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-15 13:57:04.102259
• Title: Harvesting Event Schemas from Large Language Models
• Title（参考訳）: 大規模言語モデルからのイベントスキーマのハーベスティング
• Authors: Jialong Tang, Hongyu Lin, Zhuoqun Li, Yaojie Lu, Xianpei Han and Le Sun
• Abstract要約: イベントスキーマは、イベントを表現し、世界イベントの知識をモデル化するための概念的、構造的、フォーマルな言語を提供する。 実世界のイベントのオープンな性質、イベント表現の多様性、イベント知識の広さにより、高品質で高カバレッジなイベントスキーマを自動生成することは困難である。 本稿では,大規模な事前学習型言語モデルから得られた知識を,イベントスキーマ誘導のための新しいパラダイムとして提案する。
• 参考スコア（独自算出の注目度）: 38.56772862516626
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event schema provides a conceptual, structural and formal language to represent events and model the world event knowledge. Unfortunately, it is challenging to automatically induce high-quality and high-coverage event schemas due to the open nature of real-world events, the diversity of event expressions, and the sparsity of event knowledge. In this paper, we propose a new paradigm for event schema induction -- knowledge harvesting from large-scale pre-trained language models, which can effectively resolve the above challenges by discovering, conceptualizing and structuralizing event schemas from PLMs. And an Event Schema Harvester (ESHer) is designed to automatically induce high-quality event schemas via in-context generation-based conceptualization, confidence-aware schema structuralization and graph-based schema aggregation. Empirical results show that ESHer can induce high-quality and high-coverage event schemas on varying domains.
• Abstract（参考訳）: イベントスキーマは、イベントを表現し、世界イベントの知識をモデル化するための概念的、構造的、フォーマルな言語を提供する。 残念ながら、現実世界のイベントのオープンな性質、イベント表現の多様性、イベント知識の多様性により、高品質で高カバレッジなイベントスキーマを自動生成することは難しい。 本稿では, PLM からイベントスキーマを発見し, 概念化し, 構造化することで, 上記の課題を効果的に解決できる, 大規模事前学習型言語モデルからの知識獲得のための新しいパラダイムを提案する。 Event Schema Harvester(ESHer)は、インコンテキスト生成に基づく概念化、信頼性を考慮したスキーマ構造化、グラフベースのスキーマアグリゲーションを通じて、高品質なイベントスキーマを自動生成するように設計されている。 実証的な結果から、ESHerはさまざまなドメインで高品質で高カバレッジなイベントスキーマを生成できることが示された。

関連論文リスト

• Prompt-based Graph Model for Joint Liberal Event Extraction and Event Schema Induction [1.3154296174423619]
  イベントは、エンティティの状態の変化を記述する、スピーチとテキストの不可欠なコンポーネントである。 イベント抽出タスクは、イベントを特定して分類し、イベントスキーマに従って参加者を見つけることを目的としている。 研究者らは、イベント抽出とイベントスキーマの同時発見を目的とした、リベラルイベント抽出(LEE)を提案する。
  論文  参考訳（メタデータ） (2024-03-19T07:56:42Z)
• 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)
• Drafting Event Schemas using Language Models [48.81285141287434]
  複雑なイベントを記述するためにこのようなスキーマを作成するプロセスに注目します。 私たちの焦点は、十分な多様性と重要なイベントのリコールを達成できるかどうかにあります。 大規模言語モデルは、2つの異なるデータセットから取り出されたスキーマに対して適度なリコールを達成することができることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:57:04Z)
• SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres [60.79901400258962]
  イベント中心の構造化予測では、イベントの構造化出力を予測する。 エネルギーベースイベント中心超球面(SPEECH)を用いた構造予測を提案する。
  論文  参考訳（メタデータ） (2023-05-23T02:28:09Z)
• Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
  本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。 我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
  論文  参考訳（メタデータ） (2022-10-12T14:37:00Z)
• Mining Logical Event Schemas From Pre-Trained Language Models [0.0]
  NESL(Neuro-Episodic Learner)は,大規模な言語モデル,FrameNet解析,単純な行動スキーマのセットを組み合わせたイベントスキーマ学習システムである。 言語モデルからの注意深いサンプリングは、状況のステレオタイプ的特性を強調し、無関係な詳細を強調するのに役立つことを示す。
  論文  参考訳（メタデータ） (2022-04-12T16:41:18Z)
• Future is not One-dimensional: Graph Modeling based Complex Event Schema Induction for Event Prediction [90.75260063651763]
  本稿では、イベント、引数、時間的接続、引数関係を含むグラフベースのスキーマ表現であるテンポラル複合イベントの概念を紹介する。 イベントグラフを伴う6,399のドキュメントを含む新しいスキーマ学習コーパスをリリースし,手動でゴールドスキーマを構築した。
  論文  参考訳（メタデータ） (2021-04-13T16:41:05Z)

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。