Fugu-MT 論文翻訳(概要): Document-Level Multi-Event Extraction with Event Proxy Nodes and Hausdorff Distance Minimization

論文の概要: Document-Level Multi-Event Extraction with Event Proxy Nodes and Hausdorff Distance Minimization

arxiv url: http://arxiv.org/abs/2305.18926v1
Date: Tue, 30 May 2023 10:33:05 GMT
ステータス: 処理完了
システム内更新日: 2023-05-31 16:50:26.257864
Title: Document-Level Multi-Event Extraction with Event Proxy Nodes and Hausdorff Distance Minimization
Title（参考訳）: イベントプロキシノードを用いた文書レベルマルチイベント抽出とハウスドルフ距離最小化
Authors: Xinyu Wang, Lin Gui, Yulan He
Abstract要約: 文書レベルのマルチイベント抽出は、所定の文書から構造情報を自動的に抽出することを目的としている。本稿では,イベントプロキシノードとハウスドルフ距離最小化を用いた文書レベルのマルチイベント抽出手法を提案する。本モデルでは,F1スコアにおける従来手法よりも,トレーニング時間が少ない2つのデータセットの方が優れていた。
参考スコア（独自算出の注目度）: 31.065768513381414
License: http://creativecommons.org/licenses/by/4.0/
Abstract: Document-level multi-event extraction aims to extract the structural information from a given document automatically. Most recent approaches usually involve two steps: (1) modeling entity interactions; (2) decoding entity interactions into events. However, such approaches ignore a global view of inter-dependency of multiple events. Moreover, an event is decoded by iteratively merging its related entities as arguments, which might suffer from error propagation and is computationally inefficient. In this paper, we propose an alternative approach for document-level multi-event extraction with event proxy nodes and Hausdorff distance minimization. The event proxy nodes, representing pseudo-events, are able to build connections with other event proxy nodes, essentially capturing global information. The Hausdorff distance makes it possible to compare the similarity between the set of predicted events and the set of ground-truth events. By directly minimizing Hausdorff distance, the model is trained towards the global optimum directly, which improves performance and reduces training time. Experimental results show that our model outperforms previous state-of-the-art method in F1-score on two datasets with only a fraction of training time.
Abstract（参考訳）: 文書レベルのマルチイベント抽出は、所定の文書から構造情報を自動抽出することを目的としている。最近のアプローチでは、(1)エンティティインタラクションをモデリングし、(2)エンティティインタラクションをイベントにデコードする。しかし、このようなアプローチは、複数のイベントの相互依存のグローバルな見解を無視している。さらに、イベントは関連するエンティティを引数として反復的にマージすることでデコードされる。本稿では,イベントプロキシノードを用いた文書レベルのマルチイベント抽出とHausdorff距離最小化のための代替手法を提案する。疑似イベントを表すイベントプロキシノードは、他のイベントプロキシノードとの接続を構築することができ、基本的にはグローバルな情報をキャプチャする。ハウスドルフ距離は、予測された事象の集合と地対事象の集合との類似性を比較することができる。ハウスドルフ距離を直接最小化することにより、モデルはグローバルな最適化に向けて直接訓練される。実験結果から,F1スコアの従来手法よりもトレーニング時間が少ない2つのデータセットの方が優れていた。

関連論文リスト

Enhancing Cross-Document Event Coreference Resolution by Discourse Structure and Semantic Information [33.21818213257603]
クロスドキュメントのイベントコア参照解決モデルは、参照の類似性を直接計算するか、イベント引数を抽出することで参照表現を強化することができる。本稿では,文書の構造的・意味的情報をモデル化するために,文書レベルのレトリック構造理論(RST)木とクロスドキュメントのレキシカル・チェーンの構築を提案する。このギャップを埋めるために、大規模な中国のクロスドキュメントイベントコアデータセットを開発した。
論文参考訳（メタデータ） (2024-06-23T02:54:48Z)
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)
More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-28T02:09:08Z)
MAVEN-ERE: A Unified Large-scale Dataset for Event Coreference, Temporal, Causal, and Subevent Relation Extraction [78.61546292830081]
アノテーションを改良した大規模EREデータセットMAVEN-EREを構築した。 103,193個のイベント・コア・チェイン、1,216,217個の時間関係、57,992個の因果関係、15,841個の部分関係を含む。実験の結果,MAVEN-ERE上でのEREは極めて困難であり,共同学習との相互関係を考慮すれば性能が向上することが示された。
論文参考訳（メタデータ） (2022-11-14T13:34:49Z)
RAAT: Relation-Augmented Attention Transformer for Relation Modeling in Document-Level Event Extraction [16.87868728956481]
我々はRelation-augmented Document-level Event extract (ReDEE)と呼ばれる関係依存をモデル化できる新しいDEEフレームワークを提案する。関連情報をさらに活用するために,個別のイベント関連予測タスクを導入し,マルチタスク学習方式を採用し,イベント抽出性能を明示的に向上する。
論文参考訳（メタデータ） (2022-06-07T15:11:42Z)
EA$^2$E: Improving Consistency with Event Awareness for Document-Level Argument Extraction [52.43978926985928]
本稿では、トレーニングと推論のための拡張コンテキストを備えたイベント・アウェア・引数抽出(EA$2$E)モデルを紹介する。 WIKIEVENTSとACE2005データセットの実験結果から,EA$2$Eの有効性が示された。
論文参考訳（メタデータ） (2022-05-30T04:33:51Z)
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)
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)
Document-level Event Extraction via Heterogeneous Graph-based Interaction Model with a Tracker [23.990907956996413]
文書レベルのイベント抽出は、記事全体からイベント情報を認識することを目的としている。この2つの課題のために既存の手法は有効ではない。トラッカーを用いた異種グラフベースインタラクションモデルを提案する。
論文参考訳（メタデータ） (2021-05-31T12:45:03Z)
Document-level Event Extraction with Efficient End-to-end Learning of Cross-event Dependencies [37.96254956540803]
本稿では,構造化予測アルゴリズムであるDeep Value Networks (DVN) を利用したエンドツーエンドモデルを提案する。提案手法はACE05上でのCRFモデルに匹敵する性能を達成し,計算効率は極めて高い。
論文参考訳（メタデータ） (2020-10-24T05:28:16Z)
Predicting Event Time by Classifying Sub-Level Temporal Relations Induced from a Unified Representation of Time Anchors [10.67457147373144]
本稿では,複雑な時間関係をサブレベル関係に分解する効果的な方法を提案する。我々のアプローチは最先端の意思決定ツリーモデルより優れている。
論文参考訳（メタデータ） (2020-08-14T16:30:07Z)

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。