論文の概要: SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres

• arxiv url: http://arxiv.org/abs/2305.13617v3
• Date: Mon, 18 Sep 2023 10:19:10 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-19 23:49:07.385433
• Title: SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres
• Title（参考訳）: SPEECH:エネルギーに基づくイベント中心超球面による構造予測
• Authors: Shumin Deng, Shengyu Mao, Ningyu Zhang, Bryan Hooi
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 60.79901400258962
• License: http://creativecommons.org/licenses/by-nc-sa/4.0/
• Abstract: Event-centric structured prediction involves predicting structured outputs of events. In most NLP cases, event structures are complex with manifold dependency, and it is challenging to effectively represent these complicated structured events. To address these issues, we propose Structured Prediction with Energy-based Event-Centric Hyperspheres (SPEECH). SPEECH models complex dependency among event structured components with energy-based modeling, and represents event classes with simple but effective hyperspheres. Experiments on two unified-annotated event datasets indicate that SPEECH is predominant in event detection and event-relation extraction tasks.
• Abstract（参考訳）: 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。 ほとんどのNLPの場合、イベント構造は多様体依存を伴う複雑であり、これらの複雑な構造化イベントを効果的に表現することは困難である。 これらの問題に対処するため,我々はエネルギーベースの事象中心超球(speech)を用いた構造化予測を提案する。 SPEECHは、エネルギーベースモデリングによるイベント構造化コンポーネント間の複雑な依存関係をモデル化し、単純だが効果的なハイパースフィアを持つイベントクラスを表現する。 2つの統合アノテーション付きイベントデータセットの実験は、SPEECHがイベント検出とイベント関連抽出タスクに支配的であることを示している。

関連論文リスト

• Grounding Partially-Defined Events in Multimodal Data [61.0063273919745]
  部分定義イベントに対するマルチモーダル定式化を導入し、これらのイベントの抽出を3段階スパン検索タスクとしてキャストする。 このタスクのベンチマークであるMultiVENT-Gを提案し,22.8Kのラベル付きイベント中心エンティティを含む,14.5時間の高密度アノテーション付き現在のイベントビデオと1,168のテキストドキュメントからなる。 結果は、イベント理解の抽象的な課題を示し、イベント中心のビデオ言語システムにおける約束を実証する。
  論文  参考訳（メタデータ） (2024-10-07T17:59:48Z)
• A Structure-aware Generative Model for Biomedical Event Extraction [6.282854894433099]
  GenBEEという名前のイベント構造を意識した生成モデルは、バイオメディカルテキストで複雑なイベント構造をキャプチャできる。 我々は3つのバイオメディカルイベント抽出ベンチマークを用いて提案したGenBEEモデルを評価した。
  論文  参考訳（メタデータ） (2024-08-13T02:43:19Z)
• Nested Event Extraction upon Pivot Element Recogniton [66.1868895967315]
  ネストイベントは、インナーネストイベントの引き金として、同時に外部ネストイベントの引数として機能するPivot Elements(PE)の一種を含む。 本稿では,PEの認識に基づくネストイベントを抽出するPerNeeという新しいモデルを提案する。 このモデルは、プロンプトラーニングを使用して、イベントタイプと引数ロールの両方からの情報を組み込んで、より優れたトリガーと引数表現を提供する。
  論文  参考訳（メタデータ） (2023-09-22T15:58:06Z)
• Semantic Structure Enhanced Event Causality Identification [57.26259734944247]
  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。
  論文  参考訳（メタデータ） (2023-05-22T07:42:35Z)
• Recouple Event Field via Probabilistic Bias for Event Extraction [22.601552863742523]
  Event extractは、イベントのトリガと引数をイベント参照から識別し、分類することを目的としている。 既存の PLM ベースの手法は、トリガー/引数フィールドの情報を無視している。 本稿では,確率的再結合モデル拡張イベント抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-19T07:55:37Z)
• 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)
• COfEE: A Comprehensive Ontology for Event Extraction from text, with an online annotation tool [3.8995911009078816]
  イベント抽出(EE)は、特定のインシデントとそのアクターに関する情報をテキストから導き出そうとする。 EEは知識ベースの構築、情報検索、要約、オンライン監視システムなど、多くの領域で有用である。 COfEEは、環境問題、サイバースペース、犯罪活動、自然災害に関連する新しいカテゴリを含む2つの階層レベル(イベントタイプとイベントサブタイプ)から構成されている。
  論文  参考訳（メタデータ） (2021-07-21T19:43:22Z)
• 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)

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。