論文の概要: Semantic Structure Enhanced Event Causality Identification

• arxiv url: http://arxiv.org/abs/2305.12792v1
• Date: Mon, 22 May 2023 07:42:35 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-23 17:39:05.378869
• Title: Semantic Structure Enhanced Event Causality Identification
• Title（参考訳）: 意味構造強化イベント因果性同定
• Authors: Zhilei Hu, Zixuan Li, Xiaolong Jin, Long Bai, Saiping Guan, Jiafeng Guo, Xueqi Cheng
• Abstract要約: 事象因果同定(ECI)は、非構造化テキスト中の事象間の因果関係を特定することを目的としている。 既存の方法は、イベント中心構造とイベント関連構造という、ECIタスクに不可欠な2種類の意味構造を過小評価する。
• 参考スコア（独自算出の注目度）: 57.26259734944247
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Event Causality Identification (ECI) aims to identify causal relations between events in unstructured texts. This is a very challenging task, because causal relations are usually expressed by implicit associations between events. Existing methods usually capture such associations by directly modeling the texts with pre-trained language models, which underestimate two kinds of semantic structures vital to the ECI task, namely, event-centric structure and event-associated structure. The former includes important semantic elements related to the events to describe them more precisely, while the latter contains semantic paths between two events to provide possible supports for ECI. In this paper, we study the implicit associations between events by modeling the above explicit semantic structures, and propose a Semantic Structure Integration model (SemSIn). It utilizes a GNN-based event aggregator to integrate the event-centric structure information, and employs an LSTM-based path aggregator to capture the event-associated structure information between two events. Experimental results on three widely used datasets show that SemSIn achieves significant improvements over baseline methods.
• Abstract（参考訳）: 事象因果同定(ECI)は、非構造化テキスト中の事象間の因果関係を特定することを目的としている。 因果関係は通常、イベント間の暗黙の関連によって表現されるため、これは非常に難しいタスクです。 既存の手法は通常、テキストを事前学習された言語モデルと直接モデル化することでそのような関連を捉え、eciタスクに不可欠な2種類の意味構造、すなわちイベント中心構造とイベント関連構造を過小評価する。 前者はより正確に記述するためにイベントに関連する重要なセマンティック要素を含み、後者は2つのイベント間のセマンティックパスを含み、ECIのサポートを提供する。 本稿では、上記の明示的意味構造をモデル化し、イベント間の暗黙的関連を考察し、セマンティック構造統合モデル(SemSIn)を提案する。 GNNベースのイベントアグリゲータを使用してイベント中心の構造情報を統合し、LSTMベースのパスアグリゲータを使用して2つのイベント間のイベント関連構造情報をキャプチャする。 広く使用されている3つのデータセットの実験結果は、SemSInがベースラインメソッドよりも大幅に改善されていることを示している。

関連論文リスト

• Document-level Causal Relation Extraction with Knowledge-guided Binary Question Answering [13.835512118463164]
  イベント因果関係抽出(英: Event-Event Causal Relation extract, ECRE)は、自然言語テキストにおけるイベント参照間の因果関係の識別と分類を目的としている。 ECREに関する既存の研究は、文書レベルのモデリングと因果幻覚の欠如を含む2つの重要な課題を強調している。 イベント構造構築と2段階質問解答の2段階からなるイベント構造を持つ知識誘導二元質問解答法(KnowQA)を提案する。
  論文  参考訳（メタデータ） (2024-10-07T05:07:48Z)
• Advancing Event Causality Identification via Heuristic Semantic Dependency Inquiry Network [11.726799701525131]
  事象因果同定(ECI)は、テキスト中の事象間の因果関係を抽出することに焦点を当てている。 ECIのためのシンプルで効果的なセマンティック依存問い合わせネットワークSemDIを提案する。
  論文  参考訳（メタデータ） (2024-09-20T16:32:54Z)
• Event GDR: Event-Centric Generative Document Retrieval [37.53593254200252]
  イベント中心の生成文書検索モデルであるEvent GDRを提案する。 我々は、文書の包括性と内的内容の相関を保証するために、文書のモデル化にイベントと関係を用いる。 識別子構築では、イベントを適切に定義されたイベント分類にマッピングし、明示的な意味構造を持つ識別子を構築する。
  論文  参考訳（メタデータ） (2024-05-11T02:55:11Z)
• Joint Event Extraction via Structural Semantic Matching [12.248124072173935]
  イベント抽出(EE)は、情報抽出において不可欠なタスクの1つである。 本稿では,イベントタイプの意味的特徴を符号化し,対象テキストと構造的マッチングを行う。
  論文  参考訳（メタデータ） (2023-06-06T07:42:39Z)
• 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)
• Event Causality Extraction with Event Argument Correlations [13.403222002600558]
  Event Causality extractは、プレーンテキストから因果関係のイベント因果関係のペアを抽出することを目的としている。 本稿では,ECE の時間内および時間内引数相関を捉えるための二重グリッドタギング方式を提案する。
  論文  参考訳（メタデータ） (2023-01-27T09:48:31Z)
• 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)
• Joint Constrained Learning for Event-Event Relation Extraction [94.3499255880101]
  本稿では,イベント・イベント関係をモデル化するための制約付き協調学習フレームワークを提案する。 具体的には、このフレームワークは、複数の時間的および部分的関係内の論理的制約を強制する。 我々は,共同学習手法が,共同ラベル付きデータの欠如を効果的に補うことを示す。
  論文  参考訳（メタデータ） (2020-10-13T22:45:28Z)
• Cross-Supervised Joint-Event-Extraction with Heterogeneous Information Networks [61.950353376870154]
  Joint-event- Extractは、トリガとエンティティのタグからなるタグセットを備えたシーケンスからシーケンスまでのラベリングタスクである。 トリガやエンティティの抽出を交互に監督するクロススーパーバイザードメカニズム(CSM)を提案する。 我々の手法は、エンティティとトリガー抽出の両方において最先端の手法よりも優れています。
  論文  参考訳（メタデータ） (2020-10-13T11:51:17Z)
• 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。