論文の概要: Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification

• arxiv url: http://arxiv.org/abs/2307.01972v1
• Date: Wed, 5 Jul 2023 01:00:44 GMT
• ステータス: 処理完了
• システム内更新日: 2023-07-06 15:20:36.876965
• Title: Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification
• Title（参考訳）: インクリメンタルプロンプトと検証によるオープンドメイン階層イベントスキーマ誘導
• Authors: Sha Li, Ruining Zhao, Manling Li, Heng Ji, Chris Callison-Burch, Jiawei Han
• Abstract要約: イベントスキーマを,大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱う。 複雑なイベントグラフの構築を3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。 線形化グラフを生成するのにLLMを直接使用するのに比べ、時間関係が7.2%F1、階層関係が31.0%F1の大規模かつ複雑なスキーマを生成することができる。
• 参考スコア（独自算出の注目度）: 81.17473088621209
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Event schemas are a form of world knowledge about the typical progression of events. Recent methods for event schema induction use information extraction systems to construct a large number of event graph instances from documents, and then learn to generalize the schema from such instances. In contrast, we propose to treat event schemas as a form of commonsense knowledge that can be derived from large language models (LLMs). This new paradigm greatly simplifies the schema induction process and allows us to handle both hierarchical relations and temporal relations between events in a straightforward way. Since event schemas have complex graph structures, we design an incremental prompting and verification method to break down the construction of a complex event graph into three stages: event skeleton construction, event expansion, and event-event relation verification. Compared to directly using LLMs to generate a linearized graph, our method can generate large and complex schemas with 7.2% F1 improvement in temporal relations and 31.0% F1 improvement in hierarchical relations. In addition, compared to the previous state-of-the-art closed-domain schema induction model, human assessors were able to cover $\sim$10% more events when translating the schemas into coherent stories and rated our schemas 1.3 points higher (on a 5-point scale) in terms of readability.
• Abstract（参考訳）: イベントスキーマは、イベントの典型的な進行に関する世界知識の一形態である。 近年のイベントスキーマ帰納法では,文書から多数のイベントグラフインスタンスを構築するために情報抽出システムを用いており,そのようなインスタンスからスキーマを一般化することを学ぶ。 対照的に,イベントスキーマを大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱うことを提案する。 この新たなパラダイムはスキーマ帰納プロセスを大幅に単純化し、階層的関係とイベント間の時間的関係を直接的な方法で扱えるようにします。 イベントスキーマは複雑なグラフ構造を持つため、複雑なイベントグラフの構築をイベントスケルトン構築、イベント拡張、イベント-イベント関係検証の3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。 線形化グラフを生成するためにLLMを直接使用するのに比べ,時間的関係が7.2%,階層的関係が31.0%,大規模かつ複雑なスキーマを生成することができる。 さらに、従来の最先端のクローズドドメインスキーマインジェクションモデルと比較して、スキーマをコヒーレントなストーリーに変換する際に、人間のアセスタが$\sim$10%以上のイベントをカバーし、可読性の観点からスキーマを1.3ポイント高く評価した(5ポイントスケールで)。

関連論文リスト

• Prompt-based Graph Model for Joint Liberal Event Extraction and Event Schema Induction [1.3154296174423619]
  イベントは、エンティティの状態の変化を記述する、スピーチとテキストの不可欠なコンポーネントである。 イベント抽出タスクは、イベントを特定して分類し、イベントスキーマに従って参加者を見つけることを目的としている。 研究者らは、イベント抽出とイベントスキーマの同時発見を目的とした、リベラルイベント抽出(LEE)を提案する。
  論文  参考訳（メタデータ） (2024-03-19T07:56:42Z)
• Drafting Event Schemas using Language Models [48.81285141287434]
  複雑なイベントを記述するためにこのようなスキーマを作成するプロセスに注目します。 私たちの焦点は、十分な多様性と重要なイベントのリコールを達成できるかどうかにあります。 大規模言語モデルは、2つの異なるデータセットから取り出されたスキーマに対して適度なリコールを達成することができることを示す。
  論文  参考訳（メタデータ） (2023-05-24T07:57:04Z)
• Schema-adaptable Knowledge Graph Construction [47.772335354080795]
  従来の知識グラフ構築(KGC)アプローチは、通常、事前定義されたスキーマの閉じたセットで静的情報抽出パラダイムに従う。 我々は,スキーマ適応型KGCと呼ばれる新しいタスクを提案する。このタスクは,動的に変化するスキーマグラフに基づいて,再学習せずにエンティティ,リレーション,イベントを継続的に抽出することを目的としている。
  論文  参考訳（メタデータ） (2023-05-15T15:06:20Z)
• Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
  本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。 我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
  論文  参考訳（メタデータ） (2022-10-12T14:37:00Z)
• Proton: Probing Schema Linking Information from Pre-trained Language Models for Text-to-SQL Parsing [66.55478402233399]
  本稿では,ポアンカー距離測定に基づく探索手法を用いて,関係構造を抽出する枠組みを提案する。 スキーマリンクの一般的なルールベース手法と比較して,探索関係は意味的対応をしっかりと捉えることができることがわかった。 我々のフレームワークは3つのベンチマークで最先端のパフォーマンスを新たに設定する。
  論文  参考訳（メタデータ） (2022-06-28T14:05:25Z)
• Schema Curation via Causal Association Rule Mining [41.853476604903356]
  イベントスキーマは、典型的な実世界のシナリオを定義する構造化知識ソースである。 本稿では,スキーマライブラリの効率的なHuman-in-the-loop構築のためのフレームワークを提案する。
  論文  参考訳（メタデータ） (2021-04-18T10:48:26Z)
• Future is not One-dimensional: Graph Modeling based Complex Event Schema Induction for Event Prediction [90.75260063651763]
  本稿では、イベント、引数、時間的接続、引数関係を含むグラフベースのスキーマ表現であるテンポラル複合イベントの概念を紹介する。 イベントグラフを伴う6,399のドキュメントを含む新しいスキーマ学習コーパスをリリースし,手動でゴールドスキーマを構築した。
  論文  参考訳（メタデータ） (2021-04-13T16:41:05Z)

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。