Fugu-MT 論文翻訳(概要): Token-Event-Role Structure-based Multi-Channel Document-Level Event Extraction

論文の概要: Token-Event-Role Structure-based Multi-Channel Document-Level Event Extraction

arxiv url: http://arxiv.org/abs/2306.17733v1
Date: Fri, 30 Jun 2023 15:22:57 GMT
ステータス: 処理完了
システム内更新日: 2023-07-03 11:55:57.550715
Title: Token-Event-Role Structure-based Multi-Channel Document-Level Event Extraction
Title（参考訳）: トークンイベント・ロール構造に基づくマルチチャネル文書・レベルイベント抽出
Authors: Qizhi Wan, Changxuan Wan, Keli Xiao, Hui Xiong, Dexi Liu, Xiping Liu
Abstract要約: 本稿では,トークン・イベント・ロールと呼ばれる新しいデータ構造を取り入れた,文書レベルのイベント抽出のための新しいフレームワークを提案する。提案したデータ構造により,複数のイベントにおけるトークンの主要な役割を明らかにすることができ,イベント関係のより包括的な理解が容易になる。その結果,本手法はF1スコアの9.5ポイント向上した。
参考スコア（独自算出の注目度）: 15.02043375212839
License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
Abstract: Document-level event extraction is a long-standing challenging information retrieval problem involving a sequence of sub-tasks: entity extraction, event type judgment, and event type-specific multi-event extraction. However, addressing the problem as multiple learning tasks leads to increased model complexity. Also, existing methods insufficiently utilize the correlation of entities crossing different events, resulting in limited event extraction performance. This paper introduces a novel framework for document-level event extraction, incorporating a new data structure called token-event-role and a multi-channel argument role prediction module. The proposed data structure enables our model to uncover the primary role of tokens in multiple events, facilitating a more comprehensive understanding of event relationships. By leveraging the multi-channel prediction module, we transform entity and multi-event extraction into a single task of predicting token-event pairs, thereby reducing the overall parameter size and enhancing model efficiency. The results demonstrate that our approach outperforms the state-of-the-art method by 9.5 percentage points in terms of the F1 score, highlighting its superior performance in event extraction. Furthermore, an ablation study confirms the significant value of the proposed data structure in improving event extraction tasks, further validating its importance in enhancing the overall performance of the framework.
Abstract（参考訳）: 文書レベルのイベント抽出は、エンティティ抽出、イベントタイプ判定、イベントタイプ固有のマルチイベント抽出といったサブタスクのシーケンスを含む、長年にわたって困難な情報検索問題である。しかし、問題を複数の学習タスクとして扱うと、モデルの複雑さが増す。また、既存手法では、異なるイベントを横断するエンティティの相関が不十分であり、イベント抽出性能が制限される。本稿では,token-event-roleと呼ばれる新しいデータ構造とマルチチャネル引数ロール予測モジュールを組み込んだ,ドキュメントレベルのイベント抽出のための新しいフレームワークを提案する。提案したデータ構造により,複数のイベントにおけるトークンの主要な役割を明らかにすることが可能になる。マルチチャネル予測モジュールを利用することで、エンティティとマルチイベント抽出をトークンとイベントのペアを予測する単一のタスクに変換し、パラメータ全体のサイズを削減し、モデルの効率を向上させる。その結果,本手法はF1スコアにおいて9.5ポイント向上し,イベント抽出における優れた性能を示した。さらに,提案するデータ構造がイベント抽出タスクを改善する上で有意な価値があることを確認し,フレームワーク全体の性能向上におけるその重要性を検証した。

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)
Beyond Single-Event Extraction: Towards Efficient Document-Level Multi-Event Argument Extraction [19.51890490853855]
複数項目の引数抽出モデルDEEIAを提案する。ドキュメント内のすべてのイベントから引数を同時に抽出することができる。提案手法は,4つの公開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） (2024-05-03T07:04:35Z)
Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。最近のデータ拡張手法は文法的誤りの問題を無視することが多い。本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
論文参考訳（メタデータ） (2023-05-16T16:52:07Z)
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)
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)
CLIP-Event: Connecting Text and Images with Event Structures [123.31452120399827]
視覚言語事前学習モデルを適用したコントラスト学習フレームワークを提案する。我々は、イベント構造知識を得るために、テキスト情報抽出技術を利用する。実験により、ゼロショットCLIP-Eventは引数抽出において最先端の教師付きモデルよりも優れていることが示された。
論文参考訳（メタデータ） (2022-01-13T17:03:57Z)
Reliable Shot Identification for Complex Event Detection via Visual-Semantic Embedding [72.9370352430965]
本稿では,映像中の事象検出のための視覚的意味的誘導損失法を提案する。カリキュラム学習に動機付け,高い信頼性の事例で分類器の訓練を開始するために,負の弾性正規化項を導入する。提案する非ネット正規化問題の解法として,代替最適化アルゴリズムを開発した。
論文参考訳（メタデータ） (2021-10-12T11:46:56Z)
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)
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)
Document-Level Event Role Filler Extraction using Multi-Granularity Contextualized Encoding [40.13163091122463]
イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
論文参考訳（メタデータ） (2020-05-13T20:42:17Z)

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。