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
- Structured, Complex and Time-complete Temporal Event Forecasting [66.17005554335029]
時間的イベント予測は、歴史で観測された出来事から次に何が起こるかを予測することを目的としている。
それまでの時間的事象の定式化は、非構造的、原子的、あるいは完全な時間的情報が欠如している。
SCTc-TE(Structured, Complex, and Time-complete Temporal Event)の新たな定式化について紹介する。
論文 参考訳(メタデータ) (2023-12-02T07:40:21Z) - Nested Event Extraction upon Pivot Element Recogniton [68.67590600629853]
ネストイベントは、外部イベントの引数や内部イベントのトリガーとして同時に機能するPivot Elements(PE)の一種である。
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。
PerNeeはACE2005-Nest、Genia11、Genia13の最先端のパフォーマンスを一貫して達成している。
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) - PESE: Event Structure Extraction using Pointer Network based
Encoder-Decoder Architecture [0.0]
イベント抽出(EE)は、テキストからイベントとイベント関連の議論情報を見つけ、構造化形式で表現することを目的としている。
本稿では、各イベントレコードをトリガーフレーズ、トリガータイプ、引数フレーズ、および対応するロール情報を含むユニークな形式で表現する。
提案するポインタネットワークを用いたエンコーダデコーダモデルでは,イベント参加者間のインタラクションを利用して各ステップでイベントを生成する。
論文 参考訳(メタデータ) (2022-11-22T10:36:56Z) - 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。