論文の概要: FAMuS: Frames Across Multiple Sources

• arxiv url: http://arxiv.org/abs/2311.05601v1
• Date: Thu, 9 Nov 2023 18:57:39 GMT
• ステータス: 処理完了
• システム内更新日: 2023-11-10 14:00:40.776123
• Title: FAMuS: Frames Across Multiple Sources
• Title（参考訳）: FAMuS: 複数のソースにまたがるフレーム
• Authors: Siddharth Vashishtha, Alexander Martin, William Gantt, Benjamin Van Durme, Aaron Steven White
• Abstract要約: FAMuSはウィキペディアの節集の新たなコーパスで、あるイベントにエンフレポートし、同じイベントのための基礎となるジャンルディバース(非ウィキペディア)のemphsource記事と組み合わせている。 FAMuSによって実現された2つの重要な事象理解タスクについて報告する。
• 参考スコア（独自算出の注目度）: 74.03795560933612
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Understanding event descriptions is a central aspect of language processing, but current approaches focus overwhelmingly on single sentences or documents. Aggregating information about an event \emph{across documents} can offer a much richer understanding. To this end, we present FAMuS, a new corpus of Wikipedia passages that \emph{report} on some event, paired with underlying, genre-diverse (non-Wikipedia) \emph{source} articles for the same event. Events and (cross-sentence) arguments in both report and source are annotated against FrameNet, providing broad coverage of different event types. We present results on two key event understanding tasks enabled by FAMuS: \emph{source validation} -- determining whether a document is a valid source for a target report event -- and \emph{cross-document argument extraction} -- full-document argument extraction for a target event from both its report and the correct source article. We release both FAMuS and our models to support further research.
• Abstract（参考訳）: イベント記述を理解することは言語処理の中心的な側面であるが、現在のアプローチは単一の文や文書に圧倒的に集中している。 イベントに関する情報を集約する \emph{across document}は、よりリッチな理解を提供する。 この目的のために、famusという、あるイベントで \emph{report} と呼ばれる新しいwikipedia文のコーパスを、同じイベントの下位のジャンル(wikipedia以外の) \emph{source} 記事と組み合わせて提示する。 レポートとソースの両方のイベントと(クロスセンテンス)引数はframenetに対してアノテートされ、さまざまなイベントタイプの広範なカバレッジを提供する。 本稿では,FAMuSによって実現された2つの重要なイベント理解タスクについて報告する。 \emph{source validation} -- 文書が対象のレポートイベントの有効なソースであるか否かを判断する -- および,そのレポートと正しいソース記事の両方から対象のイベントの完全なドキュメント引数抽出を行う。 FAMuSと私たちのモデルの両方をリリースし、さらなる研究を支援します。

関連論文リスト

• Harvesting Events from Multiple Sources: Towards a Cross-Document Event Extraction Paradigm [33.737981167605575]
  本稿では,複数の文書からイベント情報を統合し,イベントに関する総合的な視点を提供するために,クロスドキュメントイベント抽出(CDEE)の課題を提案する。 我々は,20,059の文書と37,688の言及レベルのイベントを含む,クロスドキュメントイベント抽出データセット(CLES)を構築した。 当社のCDEEパイプラインは,エンドツーエンドのクロスドキュメントイベント抽出において,約72%のF1を実現しています。
  論文  参考訳（メタデータ） (2024-06-23T06:01:11Z)
• GenEARL: A Training-Free Generative Framework for Multimodal Event Argument Role Labeling [89.07386210297373]
  GenEARLは、イベントタスク記述を理解するために近代的な生成モデルの力を利用する、トレーニング不要な生成フレームワークである。 GenEARLは、M2E2データセットとSwiGデータセット上のゼロショットEARLに対して、CLIPベースラインを9.4%、精度14.2%で上回っている。
  論文  参考訳（メタデータ） (2024-04-07T00:28:13Z)
• 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)
• Dynamic Global Memory for Document-level Argument Extraction [63.314514124716936]
  文書レベルのイベント引数抽出のための,新しいグローバルなニューラルジェネレーションベースのフレームワークを提案する。 文書メモリストアを使用してコンテキストイベント情報を記録し、それを暗黙的に明示的に活用することで、後のイベントの引数の復号に役立ちます。 実験結果から,我々のフレームワークは従来の手法よりも大幅に優れていたことが判明した。
  論文  参考訳（メタデータ） (2022-09-18T23:45:25Z)
• 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)
• Document-Level Event Extraction via Human-Like Reading Process [14.530050659066383]
  ドキュメントレベルのイベント抽出(DEE)は、特にトリッキーである。 本稿では,DeEを大まかな読解と精巧な読解の2段階に分解するHRE法を提案する。 実験結果は,HREが先行競合法よりも優れていることを示す。
  論文  参考訳（メタデータ） (2022-02-07T12:10:58Z)
• Cross-document Event Identity via Dense Annotation [9.163142877146512]
  我々は、異なる文書からテキストイベントの同一性を研究する。 本稿では,クロスドキュメント・イベント・コアのための高密度アノテーション手法を提案する。 クロスドキュメントイベントコアのためのオープンアクセスデータセットを提案する。
  論文  参考訳（メタデータ） (2021-09-14T03:57:58Z)
• Event Argument Extraction using Causal Knowledge Structures [9.56216681584111]
  イベント引数抽出とは、特定のイベントのために構造化されていないテキストから構造化情報を抽出するタスクを指します。 既存の作業のほとんどは、このタスクを文レベルでモデル化し、コンテキストをローカルスコープに制限する。 複雑なイベント引数の抽出を支援するために,ドキュメントレベルのイベント情報を注入する外部知識支援アプローチを提案する。
  論文  参考訳（メタデータ） (2021-05-02T13:59:07Z)
• Cross-media Structured Common Space for Multimedia Event Extraction [82.36301617438268]
  マルチメディア文書からイベントとその引数を抽出することを目的とした,MultiMedia Event extract (M2E2) というタスクを導入する。 本稿では,意味情報の構造化表現を共通埋め込み空間にエンコードする新しい手法,Weakly Aligned Structured Embedding (WASE)を提案する。 画像を利用することで、従来のテキストのみの手法よりも21.4%多くのイベント参照を抽出する。
  論文  参考訳（メタデータ） (2020-05-05T20:21:53Z)

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。