論文の概要: Sentence-level Event Detection without Triggers via Prompt Learning and Machine Reading Comprehension

• arxiv url: http://arxiv.org/abs/2306.14176v1
• Date: Sun, 25 Jun 2023 09:03:56 GMT
• ステータス: 処理完了
• システム内更新日: 2023-06-27 16:22:45.609190
• Title: Sentence-level Event Detection without Triggers via Prompt Learning and Machine Reading Comprehension
• Title（参考訳）: プロンプト学習と機械読解によるトリガーなしでの文レベルのイベント検出
• Authors: Tongtao Ling, Lei Chen, Huangxu Sheng, Zicheng Cai, and Hai-Lin Liu
• Abstract要約: 本稿では,機械読解と素早い学習に基づくトリガーフリー事象検出モデルを提案する。 既存のトリガーベースとトリガーフリーの手法と比較して、2つのイベント検出ベンチマークデータセットに関する実験的研究により、提案手法が競合性能を達成できることが示されている。
• 参考スコア（独自算出の注目度）: 4.7644324702494165
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: The traditional way of sentence-level event detection involves two important subtasks: trigger identification and trigger classifications, where the identified event trigger words are used to classify event types from sentences. However, trigger classification highly depends on abundant annotated trigger words and the accuracy of trigger identification. In a real scenario, annotating trigger words is time-consuming and laborious. For this reason, we propose a trigger-free event detection model, which transforms event detection into a two-tower model based on machine reading comprehension and prompt learning. Compared to existing trigger-based and trigger-free methods, experimental studies on two event detection benchmark datasets (ACE2005 and MAVEN) have shown that the proposed approach can achieve competitive performance.
• Abstract（参考訳）: 従来の文レベルのイベント検出には、トリガー識別とトリガー分類という2つの重要なサブタスクが含まれている。 しかし、トリガー分類は、豊富な注釈付きトリガー語とトリガー識別の精度に大きく依存する。 実際のシナリオでは、トリガーワードの注釈付けには時間と労力がかかります。 そこで本研究では,イベント検出を機械読解と迅速な学習に基づく2towerモデルに変換するトリガフリーイベント検出モデルを提案する。 既存のトリガーベースとトリガーフリーの手法と比較して、2つのイベント検出ベンチマークデータセット(ACE2005とMAVEN)に関する実験的研究により、提案手法が競合性能を達成できることが示されている。

関連論文リスト

• Are Triggers Needed for Document-Level Event Extraction? [16.944314894087075]
  我々は,文書レベルのイベント抽出において,より困難で研究の少ない作業に対するトリガーの役割を初めて調査する。 3つの文書レベルのイベント抽出データセットに対して、複数のエンドツーエンドおよびパイプライン化されたニューラルイベント抽出モデルでそれらの有用性を分析する。 我々の研究では、トリガーの有効性は、抽出タスクの特徴とデータ品質によって異なり、基本的で自動生成トリガーは、人間のアノテーションに代えて実行可能な代替品として機能することを示している。
  論文  参考訳（メタデータ） (2024-11-13T15:50:38Z)
• Double Mixture: Towards Continual Event Detection from Speech [60.33088725100812]
  音声イベント検出は、セマンティックイベントと音響イベントの両方のタグ付けを含むマルチメディア検索に不可欠である。 本稿では, 音声イベント検出における主な課題として, 過去の出来事を忘れることなく新たな事象を連続的に統合すること, 音響イベントからの意味のゆがみについて述べる。 本稿では,適応性を向上し,忘れることを防止するために,音声の専門知識と堅牢な記憶機構を融合する新しい手法「ダブルミキチャー」を提案する。
  論文  参考訳（メタデータ） (2024-04-20T06:32:00Z)
• HCL-TAT: A Hybrid Contrastive Learning Method for Few-shot Event Detection with Task-Adaptive Threshold [18.165302114575212]
  タスク適応型閾値(HCLTAT)を用いた新しいハイブリッドコントラスト学習法を提案する。 本稿では,タスク適応型閾値(HCLTAT)を用いたハイブリッドコントラスト学習手法を提案する。 ベンチマークデータセットFewEventの実験は、最先端技術と比較して、より良い結果を得るために、我々の手法の優位性を実証している。
  論文  参考訳（メタデータ） (2022-10-17T07:37:38Z)
• Trigger-free Event Detection via Derangement Reading Comprehension [4.728684358207039]
  イベント検出は、テキストからイベントを検出し、それらを分類することを目的としている。 本稿では,機械読み取り(DRC)フレームワーク上での分散機構によるトリガフリーED手法を提案する。 提案するトリガフリーEDモデルは,主流のトリガベースモデルと極めて競合することを示す。
  論文  参考訳（メタデータ） (2022-08-20T11:01:39Z)
• Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
  本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。 我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
  論文  参考訳（メタデータ） (2022-07-18T14:18:13Z)
• 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)
• Unsupervised Label-aware Event Trigger and Argument Classification [73.86358632937372]
  まず,利用可能なツール(srlなど)でイベントを識別し,それを事前に定義されたイベントタイプに自動マップする,教師なしイベント抽出パイプラインを提案する。 事前訓練された言語モデルを利用して、イベントトリガと引数の両方の事前定義された型を文脈的に表現します。 我々は、トリガーの83%と引数の54%を正しい型にマッピングし、以前のゼロショットアプローチのパフォーマンスをほぼ倍にしました。
  論文  参考訳（メタデータ） (2020-12-30T17:47:24Z)
• Probing and Fine-tuning Reading Comprehension Models for Few-shot Event Extraction [17.548548562222766]
  イベント抽出のための読解フレームワークを提案する。 適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。 本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-21T21:48:39Z)
• 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。