論文の概要: Nested Event Extraction upon Pivot Element Recogniton

• arxiv url: http://arxiv.org/abs/2309.12960v1
• Date: Fri, 22 Sep 2023 15:58:06 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-25 14:00:10.387556
• Title: Nested Event Extraction upon Pivot Element Recogniton
• Title（参考訳）: Pivot要素認識によるネストイベント抽出
• Authors: Weicheng Ren, Zixuan Li, Xiaolong Jin, Long Bai, Miao Su, Yantao Liu, Saiping Guan, Jiafeng Guo, Xueqi Cheng
• Abstract要約: 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。
• 参考スコア（独自算出の注目度）: 68.67590600629853
• License: http://arxiv.org/licenses/nonexclusive-distrib/1.0/
• Abstract: Nested Event Extraction (NEE) aims to extract complex event structures where an event contains other events as its arguments recursively. Nested events involve a kind of Pivot Elements (PEs) that simultaneously act as arguments of outer events and as triggers of inner events, and thus connect them into nested structures. This special characteristic of PEs brings challenges to existing NEE methods, as they cannot well cope with the dual identities of PEs. Therefore, this paper proposes a new model, called PerNee, which extracts nested events mainly based on recognizing PEs. Specifically, PerNee first recognizes the triggers of both inner and outer events and further recognizes the PEs via classifying the relation type between trigger pairs. In order to obtain better representations of triggers and arguments to further improve NEE performance, it incorporates the information of both event types and argument roles into PerNee through prompt learning. Since existing NEE datasets (e.g., Genia11) are limited to specific domains and contain a narrow range of event types with nested structures, we systematically categorize nested events in generic domain and construct a new NEE dataset, namely ACE2005-Nest. Experimental results demonstrate that PerNee consistently achieves state-of-the-art performance on ACE2005-Nest, Genia11 and Genia13.
• Abstract（参考訳）: nested event extraction (nee) は、あるイベントが他のイベントを再帰的に含む複雑なイベント構造を抽出することを目的としている。 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し、ネストされた構造に接続する、ある種のPivot Elements(PE)を含む。 PEのこの特別な特徴は、PEの二重同一性にうまく対応できないため、既存のNEEメソッドに課題をもたらす。 そこで本研究では,PEの認識に基づくネストイベントを抽出するPerNeeというモデルを提案する。 具体的には、PerNeeはまず内部イベントと外部イベントの両方のトリガを認識し、さらにトリガペア間の関係タイプを分類することでPEを認識する。 NEEパフォーマンスをさらに向上するために、トリガと引数の表現を改善するために、イベントタイプと引数ロールの両方の情報を、迅速な学習を通じてPerNeeに組み込む。 既存のNEEデータセット(例えばGenia11)は特定のドメインに限定されており、入れ子構造を持つイベントタイプが狭いため、ネストされたイベントを系統的にジェネリックドメインに分類し、新しいNEEデータセット、ACE2005-Nestを構築する。 実験の結果,PerNeeはACE2005-Nest,Genia11,Genia13の最先端性能を一貫して達成していることがわかった。

関連論文リスト

• DEGAP: Dual Event-Guided Adaptive Prefixes for Templated-Based Event Argument Extraction with Slot Querying [32.115904077731386]
  イベント引数抽出(EAE)の最近の進歩は、トレーニングや推論中に有用な補助情報をモデルに組み込むことである。 これらの手法は,(1)検索結果が無関係である場合があり,(2)テンプレートは関連性を考慮せずに,各イベントごとに独立して開発される場合の2つの課題に直面する。 本稿では,2つのプレフィックス,すなわち学習可能なプロンプトベクトル,イベント誘導型適応ゲーティング機構を用いて,これらの課題に対処するDEGAPを提案する。
  論文  参考訳（メタデータ） (2024-05-22T03:56:55Z)
• 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)
• 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)
• MAVEN-Arg: Completing the Puzzle of All-in-One Event Understanding Dataset with Event Argument Annotation [104.6065882758648]
  MAVEN-Argは、イベント検出、イベント引数抽出、イベント関係抽出をサポートする最初のオールインワンデータセットである。 EAEベンチマークでは、(1)162のイベントタイプと612の引数ロールをカバーする包括的なスキーマ、(2)98,591のイベントと290,613の引数を含む大規模なデータスケール、(3)EAEのすべてのタスク変種をサポートする包括的なアノテーションの3つの利点がある。
  論文  参考訳（メタデータ） (2023-11-15T16:52:14Z)
• SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres [60.79901400258962]
  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。
  論文  参考訳（メタデータ） (2023-05-23T02:28:09Z)
• 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)
• 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)
• 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)
• 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)

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。