Fugu-MT 論文翻訳(概要): BoschAI @ Causal News Corpus 2023: Robust Cause-Effect Span Extraction using Multi-Layer Sequence Tagging and Data Augmentation

論文の概要: BoschAI @ Causal News Corpus 2023: Robust Cause-Effect Span Extraction using Multi-Layer Sequence Tagging and Data Augmentation

arxiv url: http://arxiv.org/abs/2312.06338v1
Date: Mon, 11 Dec 2023 12:35:35 GMT
ステータス: 処理完了
システム内更新日: 2023-12-12 15:42:02.265040
Title: BoschAI @ Causal News Corpus 2023: Robust Cause-Effect Span Extraction using Multi-Layer Sequence Tagging and Data Augmentation
Title（参考訳）: BoschAI @ Causal News Corpus 2023: Multi-Layer Sequence Tagging と Data Augmentation を用いたロバスト因果スパン抽出
Authors: Timo Pierre Schrader, Simon Razniewski, Lukas Lange, Annemarie Friedrich
Abstract要約: 因果ニュースコーパスによるイベント因果同定共有タスクは、この課題の2つの側面に対処する。 Subtask 1 はテキスト中の因果関係を検出することを目的としており、Subtask 2 は原因や効果を示す信号語とスパンを識別する必要がある。我々のシステムは、事前訓練されたトランスフォーマー、積み重ねシーケンスタグ、および合成データ拡張に基づいており、Subtask 1で3位となり、F1スコア72.8でSubtask 2に勝利する。
参考スコア（独自算出の注目度）: 16.59785586761074
License: http://creativecommons.org/licenses/by-sa/4.0/
Abstract: Understanding causality is a core aspect of intelligence. The Event Causality Identification with Causal News Corpus Shared Task addresses two aspects of this challenge: Subtask 1 aims at detecting causal relationships in texts, and Subtask 2 requires identifying signal words and the spans that refer to the cause or effect, respectively. Our system, which is based on pre-trained transformers, stacked sequence tagging, and synthetic data augmentation, ranks third in Subtask 1 and wins Subtask 2 with an F1 score of 72.8, corresponding to a margin of 13 pp. to the second-best system.
Abstract（参考訳）: 因果関係を理解することは知性の中核的な側面である。 subtask 1 はテキスト内の因果関係を検出することを目的としており、subtask 2 ではそれぞれ原因または効果を示すシグナル語とスパンを識別する必要がある。本システムは,事前学習したトランスフォーマー,重畳シーケンスタグ付け,合成データ拡張に基づいて,Subtask 1で3位にランクインし,F1スコア72.8でSubtask 2に勝利し,そのマージンは13ppである。 2番目に良いシステムです。

関連論文リスト

Iteratively Improving Biomedical Entity Linking and Event Extraction via Hard Expectation-Maximization [9.422435686239538]
バイオメディカル・エンティティ・リンクとイベント抽出は、バイオメディカル・ドメインにおけるテキストの理解と検索を支援する2つの重要なタスクである。従来の研究は通常、これらの2つのタスクを別々に、あるいはパイプラインで解決し、エラーの伝播につながる。本稿では,知識ベースにおけるイベント構造とエンティティ参照を潜伏変数として扱うことで,共同生物医学的実体リンクとイベント抽出を提案する。
論文参考訳（メタデータ） (2023-05-24T02:30:31Z)
Event Causality Identification with Causal News Corpus -- Shared Task 3, CASE 2022 [3.0775142635531685]
事象因果同定 2022 症例の共有タスクには2つのサブタスクが含まれていた。サブタスク1は、ある文が因果関係を含むか否かを予測するために参加者に要求する。サブタスク2では、参加者は因果文ごとに原因、効果、信号のスパンを特定する必要があった。
論文参考訳（メタデータ） (2022-11-22T10:34:09Z)
UniCausal: Unified Benchmark and Repository for Causal Text Mining [7.402967063220846]
3つのタスクにまたがる因果テキストマイニングのための統一ベンチマークUniCausalを提案する。我々は,6つの高品質な注釈,主に人間による注釈付きコーパスの統合とアライメントを行う。最初のベンチマークを作成するために、BERTの事前訓練済み言語モデルを各タスクに微調整し、それぞれ70.10%のバイナリF1、52.42%のマクロF1、84.68%のバイナリF1スコアを達成した。
論文参考訳（メタデータ） (2022-08-19T06:14:05Z)
Unifying Event Detection and Captioning as Sequence Generation via Pre-Training [53.613265415703815]
本稿では,イベント検出とキャプションのタスク間関連性を高めるための,事前学習と微調整の統合フレームワークを提案する。我々のモデルは最先端の手法よりも優れており、大規模ビデオテキストデータによる事前学習ではさらに向上できる。
論文参考訳（メタデータ） (2022-07-18T14:18:13Z)
Fast Inference and Transfer of Compositional Task Structures for Few-shot Task Generalization [101.72755769194677]
本稿では,タスクがサブタスクグラフによって特徴づけられる,数発の強化学習問題として定式化する。我々のマルチタスクサブタスクグラフ推論器(MTSGI)は、トレーニングタスクから、まず、サブタスクグラフの観点から、一般的なハイレベルなタスク構造を推測する。提案手法は,2次元グリッドワールドおよび複雑なWebナビゲーション領域において,タスクの共通基盤構造を学習し,活用し,未知のタスクへの適応を高速化する。
論文参考訳（メタデータ） (2022-05-25T10:44:25Z)
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)
Cross-Domain Contract Element Extraction with a Bi-directional Feedback Clause-Element Relation Network [70.00960496773938]
クロスドメイン契約要素抽出タスクに対して双方向フィードバックcLause-Element relaTionネットワーク(Bi-FLEET)を提案する。 Bi-FLEETには、(1)コンテキストエンコーダ、(2)節-要素関係エンコーダ、(3)推論層という3つの主要なコンポーネントがある。クロスドメインNERとCEEの両方のタスクに対する実験結果から、Bi-FLEETは最先端のベースラインを大きく上回ることが示された。
論文参考訳（メタデータ） (2021-05-13T05:14:36Z)
On Improving Deep Learning Trace Analysis with System Call Arguments [1.3299507495084417]
カーネルトレースは名前と複数の引数からなる低レベルのイベントのシーケンスである。埋め込みとエンコーディングの両方を用いて、イベント名の表現と引数を学習するための一般的なアプローチを導入する。
論文参考訳（メタデータ） (2021-03-11T19:26:34Z)
A Co-Interactive Transformer for Joint Slot Filling and Intent Detection [61.109486326954205]
音声言語理解システム(SLU)を構築する上では,インテント検出とスロットフィリングが主要な2つのタスクである。以前の研究では、2つのタスクを個別にモデル化するか、インテントからスロットへの単一の情報フローのみを考慮していた。本稿では,2つのタスク間の相互影響を同時に検討するコ・インターアクティブ・トランスフォーマーを提案する。
論文参考訳（メタデータ） (2020-10-08T10:16:52Z)
An Iterative Multi-Knowledge Transfer Network for Aspect-Based Sentiment Analysis [73.7488524683061]
本稿では,エンド・ツー・エンドABSAのための新しいIterative Multi-Knowledge Transfer Network (IMKTN)を提案する。我々のIMKTNは、よく設計されたルーティングアルゴリズムを用いて、3つのサブタスクのうち2つのタスク固有の知識をトークンレベルで別のタスクに転送する。 3つのベンチマークデータセットの実験結果は、我々のアプローチの有効性と優位性を示している。
論文参考訳（メタデータ） (2020-04-04T13:49:54Z)

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。