論文の概要: OmniEvent: A Comprehensive, Fair, and Easy-to-Use Toolkit for Event Understanding

• arxiv url: http://arxiv.org/abs/2309.14258v1
• Date: Mon, 25 Sep 2023 16:15:09 GMT
• ステータス: 処理完了
• システム内更新日: 2023-09-26 14:52:42.380942
• Title: OmniEvent: A Comprehensive, Fair, and Easy-to-Use Toolkit for Event Understanding
• Title（参考訳）: OmniEvent: イベント理解のための総合的で公平で使いやすいツールキット
• Authors: Hao Peng, Xiaozhi Wang, Feng Yao, Zimu Wang, Chuzhao Zhu, Kaisheng Zeng, Lei Hou, Juanzi Li
• Abstract要約: イベント理解は、テキスト内のイベントの内容と関係を理解することを目的としている。 関連研究や応用を容易にするために,イベント理解ツールキットOmniEventを提案する。
• 参考スコア（独自算出の注目度）: 53.23073872040206
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Event understanding aims at understanding the content and relationship of events within texts, which covers multiple complicated information extraction tasks: event detection, event argument extraction, and event relation extraction. To facilitate related research and application, we present an event understanding toolkit OmniEvent, which features three desiderata: (1) Comprehensive. OmniEvent supports mainstream modeling paradigms of all the event understanding tasks and the processing of 15 widely-used English and Chinese datasets. (2) Fair. OmniEvent carefully handles the inconspicuous evaluation pitfalls reported in Peng et al. (2023), which ensures fair comparisons between different models. (3) Easy-to-use. OmniEvent is designed to be easily used by users with varying needs. We provide off-the-shelf models that can be directly deployed as web services. The modular framework also enables users to easily implement and evaluate new event understanding models with OmniEvent. The toolkit (https://github.com/THU-KEG/OmniEvent) is publicly released along with the demonstration website and video (https://omnievent.xlore.cn/).
• Abstract（参考訳）: イベント理解は、テキスト内のイベントの内容と関連を理解することを目的としており、イベント検出、イベント引数抽出、イベント関係抽出など、複数の複雑な情報抽出タスクをカバーする。 本稿では,関連する研究と応用を容易にするために,3つのデシデラタを特徴とするイベント理解ツールキットomnieventを提案する。 OmniEventは、すべてのイベント理解タスクの主流モデリングパラダイムと、広く使用されている15の英語と中国語のデータセットの処理をサポートする。 (2)フェア。 OmniEvent は Peng et al. (2023) で報告された不明瞭な評価の落とし穴を慎重に処理し、異なるモデル間の公正な比較を保証する。 (3)使い易い。 OmniEventは、さまざまなニーズを持ったユーザが簡単に利用できるように設計されている。 私たちは、Webサービスとして直接デプロイできる既製のモデルを提供しています。 モジュラーフレームワークはまた、omnieventで新しいイベント理解モデルの実装と評価を簡単に行うことができる。 ツールキット(https://github.com/THU-KEG/OmniEvent)とデモサイトとビデオ(https://omnievent.xlore.cn/)が公開されている。

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)
• 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)
• EventBind: Learning a Unified Representation to Bind Them All for Event-based Open-world Understanding [7.797154022794006]
  EventBindは、イベントベースの認識のためのビジョン言語モデル(VLM)の可能性を解き放つ新しいフレームワークである。 まず、イベントからの時間情報を微妙にモデル化する新しいイベントエンコーダを紹介する。 次に、コンテントプロンプトを生成し、ハイブリッドテキストプロンプトを利用してEventBindの一般化能力を向上するテキストエンコーダを設計する。
  論文  参考訳（メタデータ） (2023-08-06T15:05:42Z)
• Zero- and Few-Shot Event Detection via Prompt-Based Meta Learning [45.3385722995475]
  ゼロおよび少数ショットイベント検出のためのメタ学習ベースのフレームワークであるMetaEventを提案する。 本フレームワークでは,クローゼをベースとしたプロンプトとトリガ対応ソフトを用いて,未知のイベントタイプに効率的に出力を投影する手法を提案する。 そのため、提案されたMetaEventは、事前の知識なしに、機能とイベントタイプをマッピングすることで、ゼロショットイベント検出を実行することができる。
  論文  参考訳（メタデータ） (2023-05-27T05:36:46Z)
• Rich Event Modeling for Script Event Prediction [60.67635412135682]
  スクリプトイベント予測のためのリッチイベント予測(REP)フレームワークを提案する。 REPは、テキストからそのような情報を抽出するイベント抽出器を含む。 予測器の中核となるコンポーネントは、任意の数の引数を柔軟に扱う変換器ベースのイベントエンコーダである。
  論文  参考訳（メタデータ） (2022-12-16T05:17:59Z)
• 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)
• Event Linking: Grounding Event Mentions to Wikipedia [63.087102209379864]
  この作業は、イベントレベルでの新しい自然言語理解タスクであるEvent Linkingを定義する。 イベントリンクは、例えばニュース記事に現れるイベント参照を、最も適切なWikipediaページにリンクしようとする。
  論文  参考訳（メタデータ） (2021-12-15T05:06:18Z)
• EventPlus: A Temporal Event Understanding Pipeline [12.313545429119651]
  EventPlusは、さまざまな最先端のイベント理解コンポーネントを統合する一時的なイベント理解パイプラインです。 EventPlusを一般公開し、イベント関連の情報抽出と下流アプリケーションを容易にします。
  論文  参考訳（メタデータ） (2021-01-13T08:00:50Z)

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。