論文の概要: CEO: Corpus-based Open-Domain Event Ontology Induction

• arxiv url: http://arxiv.org/abs/2305.13521v1
• Date: Mon, 22 May 2023 22:26:47 GMT
• ステータス: 処理完了
• システム内更新日: 2023-05-24 20:20:07.393887
• Title: CEO: Corpus-based Open-Domain Event Ontology Induction
• Title（参考訳）: CEO:企業ベースのオープンドメインイベントオントロジーインジェクション
• Authors: Nan Xu, Hongming Zhang, Jianshu Chen
• Abstract要約: CEOはコーパスベースのイベントオントロジー誘導モデルである。 外部イベントの知識を活用して、密接な埋め込みを行う。 これは11個のオープンドメインコーパスに意味のある名前を持つ階層的なイベントを誘導できる最初のモデルである。
• 参考スコア（独自算出の注目度）: 46.0290552091578
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Existing event-centric NLP models often only apply to the pre-defined ontology, which significantly restricts their generalization capabilities. This paper presents CEO, a novel Corpus-based Event Ontology induction model to relax the restriction imposed by pre-defined event ontologies. Without direct supervision, CEO leverages distant supervision from available summary datasets to detect corpus-wise salient events and exploits external event knowledge to force events within a short distance to have close embeddings. Experiments on three popular event datasets show that the schema induced by CEO has better coverage and higher accuracy than previous methods. Moreover, CEO is the first event ontology induction model that can induce a hierarchical event ontology with meaningful names on eleven open-domain corpora, making the induced schema more trustworthy and easier to be further curated.
• Abstract（参考訳）: 既存のイベント中心のNLPモデルは、しばしば事前定義されたオントロジーにのみ適用される。 本稿では,事前定義されたイベントオントロジーによって課される制約を緩和する,新しいコーパスに基づくイベントオントロジー誘導モデルであるceoを提案する。 直接の監督なしに、CEOは利用可能なサマリデータセットから離れた監視を利用して、コーパスワイズなイベントを検出し、外部イベント知識を活用して、短い距離でイベントを強制し、密着した埋め込みを行う。 一般的な3つのイベントデータセットの実験によると、CEOによって誘導されるスキーマは、以前の方法よりもカバレッジが良く、精度も高い。 さらに、ceoは11のオープンドメインコーパスに有意義な名前を持つ階層的なイベントオントロジーを誘導できる最初のイベントオントロジー誘導モデルであり、誘導スキーマの信頼性が向上し、さらなるキュレーションが容易になる。

関連論文リスト

• Posets and Bounded Probabilities for Discovering Order-inducing Features in Event Knowledge Graphs [6.96958458974878]
  イベント知識グラフ(EKG)は、プロセス実行の複数の対話的なビューをキャプチャする。 未処理データからのEKG発見のオープンな問題に対処する。 統計的推測に基づくEKG探索アルゴリズムを導出する。
  論文  参考訳（メタデータ） (2024-10-08T14:12:51Z)
• EVIT: Event-Oriented Instruction Tuning for Event Reasoning [18.012724531672813]
  イベント推論は、特定の関係に従ってイベントを推論し、将来のイベントを予測することを目的としている。 大規模言語モデル(LLM)は、その豊富な知識と推論能力のために、イベント推論において大きな進歩を遂げている。 しかし、現在使われている命令調整モデルでは、これらのタスクを管理するのに例外的な習熟度が一貫して示されていない。
  論文  参考訳（メタデータ） (2024-04-18T08:14:53Z)
• 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)
• EventRL: Enhancing Event Extraction with Outcome Supervision for Large Language Models [48.136950450053476]
  EventRLは、大規模言語モデル(LLM)のイベント抽出を強化するために開発された強化学習手法である。 FSP(Few-Shot Prompting)やSFT(Supervised Fine-Tuning)といった既存手法に対するEventRLの評価を行った。 以上の結果から,EventRLはイベントの識別・構造化性能を向上させることにより,従来の手法よりも優れていたことが示唆された。
  論文  参考訳（メタデータ） (2024-02-18T02:41:06Z)
• 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)
• 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)
• 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)
• ICDM 2020 Knowledge Graph Contest: Consumer Event-Cause Extraction [32.98854942549533]
  イベント原因抽出タスクを再考するために、新しい視点を導入する。 イベントタイプとイベント原因を別々に抽出する代わりに,新しいシーケンスタグフレームワークを提案する。 私たちのチームは第1ステージのリーダーボードで1位、最終ステージのリーダーボードで3位を獲得しました。
  論文  参考訳（メタデータ） (2021-10-28T09:08:35Z)
• End-to-End Neural Event Coreference Resolution [41.377231614857614]
  本稿では,エンド・ツー・エンドのイベント・コア・アプローチであるE3Cニューラルネットワークを提案する。 提案手法は,2つの標準データセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-09-17T09:00:59Z)

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。