論文の概要: EventNet-ITA: Italian Frame Parsing for Events

• arxiv url: http://arxiv.org/abs/2305.10892v2
• Date: Sun, 18 Feb 2024 19:29:44 GMT
• ステータス: 処理完了
• システム内更新日: 2024-02-21 06:58:55.444483
• Title: EventNet-ITA: Italian Frame Parsing for Events
• Title（参考訳）: EventNet-ITA: イベントのイタリアのフレーム解析
• Authors: Marco Rovera
• Abstract要約: EventNet-ITAは、イタリア語のイベントフレームを付加した、大規模なマルチドメインコーパスである。 フレームパーシングのための効率的なマルチラベルシーケンスラベリング手法を提案し,評価する。
• 参考スコア（独自算出の注目度）: 0.0
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: This paper introduces EventNet-ITA, a large, multi-domain corpus annotated full-text with event frames for Italian. Moreover, we present and thoroughly evaluate an efficient multi-label sequence labeling approach for Frame Parsing. Covering a wide range of individual, social and historical phenomena, with more than 53,000 annotated sentences and over 200 modeled frames, EventNet-ITA constitutes the first systematic attempt to provide the Italian language with a publicly available resource for Frame Parsing of events, useful for a broad spectrum of research and application tasks. Our approach achieves a promising 0.9 strict F1-score for frame classification and 0.72 for frame element classification, on top of minimizing computational requirements. The annotated corpus and the frame parsing model are released under open license.
• Abstract（参考訳）: 本稿では,イタリア語用イベントフレームを用いたマルチドメインコーパスであるeventnet-itaについて述べる。 さらに、フレーム解析のための効率的なマルチラベルシーケンスラベリング手法を提案し、徹底的に評価する。 53,000以上の注釈付き文と200以上のモデル化されたフレームを持つ、幅広い個人的、社会的、歴史的現象をカバーするeventnet-itaは、イタリア語にイベントのフレーム解析のための公開リソースを提供する最初の体系的な試みであり、幅広い研究や応用タスクに有用である。 提案手法は,計算要求の最小化に加えて,フレーム分類に0.9厳密なF1スコア,フレーム要素分類に0.72スコアを実現する。 注釈付きコーパスとフレーム解析モデルはオープンライセンスでリリースされている。

関連論文リスト

• XFormParser: A Simple and Effective Multimodal Multilingual Semi-structured Form Parser [35.69888780388425]
  本研究では, 単純だが効果的な textbfMultimodal と textbfMultilingual semi-structured textbfFORM textbfXForm フレームワークを提案する。 textbfXFormは、包括的な事前訓練された言語モデルに固定されており、革新的にエンティティ認識とリレーショナルREである。 本フレームワークは,マルチ言語およびゼロショットの両文脈において,タスク間の性能を著しく向上させる。
  論文  参考訳（メタデータ） (2024-05-27T16:37:17Z)
• FAMuS: Frames Across Multiple Sources [74.03795560933612]
  FAMuSはウィキペディアの節集の新たなコーパスで、あるイベントにエンフレポートし、同じイベントのための基礎となるジャンルディバース(非ウィキペディア)のemphsource記事と組み合わせている。 FAMuSによって実現された2つの重要な事象理解タスクについて報告する。
  論文  参考訳（メタデータ） (2023-11-09T18:57:39Z)
• ICDAR 2023 Competition on Structured Text Extraction from Visually-Rich Document Images [198.35937007558078]
  大会は2022年12月30日に開かれ、2023年3月24日に閉幕した。 トラック1には35人の参加者と91人の有効な応募があり、トラック2には15人の参加者と26人の応募がある。 提案手法の性能によると, 複雑なシナリオやゼロショットシナリオにおいて, 期待される情報抽出性能にはまだ大きなギャップがあると考えられる。
  論文  参考訳（メタデータ） (2023-06-05T22:20:52Z)
• Query Your Model with Definitions in FrameNet: An Effective Method for Frame Semantic Role Labeling [43.58108941071302]
  Frame Semantic Role Labeling (FSRL)は、引数を特定し、FrameNetで定義されたフレームロールにラベル付けする。 本稿では,これらの問題を緩和するために,FrameNet (AGED) で定義した ArGument Extractor というクエリベースのフレームワークを提案する。
  論文  参考訳（メタデータ） (2022-12-05T05:09:12Z)
• Long Document Summarization with Top-down and Bottom-up Inference [113.29319668246407]
  本稿では、2つの側面の要約モデルを改善するための原則的推論フレームワークを提案する。 我々のフレームワークは、トップレベルが長距離依存性をキャプチャするドキュメントの階層的な潜在構造を前提としています。 本稿では,様々な要約データセットに対して提案手法の有効性を示す。
  論文  参考訳（メタデータ） (2022-03-15T01:24:51Z)
• CLIP-Event: Connecting Text and Images with Event Structures [123.31452120399827]
  視覚言語事前学習モデルを適用したコントラスト学習フレームワークを提案する。 我々は、イベント構造知識を得るために、テキスト情報抽出技術を利用する。 実験により、ゼロショットCLIP-Eventは引数抽出において最先端の教師付きモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-13T17:03:57Z)
• Sister Help: Data Augmentation for Frame-Semantic Role Labeling [9.62264668211579]
  既存のフレーム固有のアノテーションを用いて、注釈のない同じフレームの他の語彙単位を自動的に注釈付けするデータ拡張手法を提案する。 本稿では,このデータ強化の重要性を示すフレーム・セマンティック・ロール・ラベリングの実験を行う。
  論文  参考訳（メタデータ） (2021-09-16T05:15:29Z)
• Kicktionary-LOME: A Domain-Specific Multilingual Frame Semantic Parsing Model for Football Language [3.04585143845864]
  本稿では,LOMEフレームセマンティック解析モデルの適応版を紹介する。 ドメイン固有のフレームネットリソースに従って自動的にテキストに注釈を付けることができる。
  論文  参考訳（メタデータ） (2021-08-12T07:47:13Z)
• Exploiting Global Contextual Information for Document-level Named Entity Recognition [46.99922251839363]
  我々は、GCDoc(Global Context enhanced Document-level NER)と呼ばれるモデルを提案する。 単語レベルでは、文書グラフは単語間のより広範な依存関係をモデル化するために構築される。 文レベルでは、単一文を超えてより広い文脈を適切にモデル化するために、横断文モジュールを用いる。 我々のモデルは、CoNLL 2003データセットで92.22(BERTで93.40)、Ontonotes 5.0データセットで88.32(BERTで90.49)のスコアに達した。
  論文  参考訳（メタデータ） (2021-06-02T01:52:07Z)
• SF-Net: Single-Frame Supervision for Temporal Action Localization [60.202516362976645]
  単一フレームの監視は、低いアノテーションのオーバーヘッドを維持しながら、追加の時間的アクション信号を導入します。 本研究では,SF-Netと呼ばれる単一フレーム監視システムを提案する。 SF-Netは、セグメントローカライゼーションと単一フレームローカライゼーションの両方の観点から、最先端の弱い教師付き手法を大幅に改善する。
  論文  参考訳（メタデータ） (2020-03-15T15:06:01Z)

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。