論文の概要: SEBERTNets: Sequence Enhanced BERT Networks for Event Entity Extraction
Tasks Oriented to the Finance Field
- arxiv url: http://arxiv.org/abs/2401.11408v1
- Date: Sun, 21 Jan 2024 06:10:03 GMT
- ステータス: 処理完了
- システム内更新日: 2024-01-23 16:32:29.566170
- Title: SEBERTNets: Sequence Enhanced BERT Networks for Event Entity Extraction
Tasks Oriented to the Finance Field
- Title（参考訳）: SEBERTNets: ファイナンスフィールドに向けたイベントエンティティ抽出タスクのためのシーケンス拡張BERTネットワーク
- Authors: Congqing He, Xiangyu Zhu, Yuquan Le, Yuzhong Liu, Jianhong Yin
- Abstract要約: 本稿では、BERTの利点を継承し、シーケンシャルセマンティック情報をキャプチャしながら、Sequence Enhanced BERT Networks (SEBERTNets, 略してSEBERTNets)を提案する。
さらに,リコメンデーションシステムによって動機付けられたHSEBERTネットワーク(Hybrid Sequence Enhanced BERT Networks,略称HSEBERTNets)を提案する。
実験の結果,SEBERTNetsのF1スコアは1段目で0.905であり,HSEBERTNetsのF1スコアは1段目で0.934であることがわかった。
- 参考スコア（独自算出の注目度）: 18.013179464347495
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Event extraction lies at the cores of investment analysis and asset
management in the financial field, and thus has received much attention. The
2019 China conference on knowledge graph and semantic computing (CCKS)
challenge sets up a evaluation competition for event entity extraction task
oriented to the finance field. In this task, we mainly focus on how to extract
the event entity accurately, and recall all the corresponding event entity
effectively. In this paper, we propose a novel model, Sequence Enhanced BERT
Networks (SEBERTNets for short), which can inherit the advantages of the
BERT,and while capturing sequence semantic information. In addition, motivated
by recommendation system, we propose Hybrid Sequence Enhanced BERT Networks
(HSEBERTNets for short), which uses a multi-channel recall method to recall all
the corresponding event entity. The experimental results show that, the F1
score of SEBERTNets is 0.905 in the first stage, and the F1 score of
HSEBERTNets is 0.934 in the first stage, which demonstarate the effectiveness
of our methods.
- Abstract（参考訳）: イベント抽出は、金融分野における投資分析と資産管理の中心にあり、多くの注目を集めている。
2019年の知識グラフとセマンティックコンピューティング(CCKS)に関する中国会議は、金融分野を指向したイベントエンティティ抽出タスクの評価競争を立案した。
本稿では、主にイベントエンティティを正確に抽出する方法に注目し、対応するイベントエンティティを効率的にリコールする。
本稿では、BERTの利点を継承し、シーケンシャルなセマンティック情報をキャプチャしながら、新しいモデルSEBERTNet(Sequence Enhanced BERT Networks)を提案する。
さらに,レコメンデーションシステムに動機づけられて,マルチチャネルリコール法を用いて対応するすべてのイベントエンティティをリコールするハイブリッドシーケンス拡張bertネットワーク(hsebertnets,略してhsebertnets)を提案する。
実験の結果,SEBERTNetsのF1スコアは1段目で0.905であり,HSEBERTNetsのF1スコアは1段目で0.934であることがわかった。
関連論文リスト
- Pre-Training and Fine-Tuning Generative Flow Networks [61.90529626590415]
本稿では,GFlowNetの報酬なし事前学習のための新しいアプローチを提案する。
自己指導型問題としてトレーニングをフレーミングすることで,候補空間の探索を学習する結果条件付きGFlowNetを提案する。
事前学習したOC-GFNモデルにより、下流タスクにおける新しい報酬関数をサンプリングできるポリシーを直接抽出できることを示す。
論文 参考訳（メタデータ） (2023-10-05T09:53:22Z) - Crude Oil-related Events Extraction and Processing: A Transfer Learning
Approach [0.7476901945542385]
本稿では,CrudeOilNews corpusで発見された原油関連事象を抽出・処理するための完全な枠組みを提案する。
各事象の事実的確実性を決定するために、イベント特性(ポーラリティ、モダリティ、インテンシティ)の分類に特に重点を置いている。
論文 参考訳（メタデータ） (2022-05-01T03:21:18Z) - Learning to Win Lottery Tickets in BERT Transfer via Task-agnostic Mask
Training [55.43088293183165]
近年の研究では、BERTのような事前学習言語モデル(PLM)には、元のPLMと同じような変換学習性能を持つマッチングワークが含まれていることが示されている。
本稿では, BERTworksがこれらの研究で示された以上の可能性を秘めていることを示す。
我々は、サブネットワークの普遍的な転送可能性を維持することを目的として、事前学習タスクのモデル重みよりも二項マスクを訓練する。
論文 参考訳（メタデータ） (2022-04-24T08:42:47Z) - BiBERT: Accurate Fully Binarized BERT [69.35727280997617]
BiBERTは、パフォーマンスボトルネックを取り除くために、正確に2項化されたBERTである。
提案手法は,FLOPとモデルサイズで56.3回,31.2回節約できる。
論文 参考訳（メタデータ） (2022-03-12T09:46:13Z) - ICDM 2020 Knowledge Graph Contest: Consumer Event-Cause Extraction [32.98854942549533]
イベント原因抽出タスクを再考するために、新しい視点を導入する。
イベントタイプとイベント原因を別々に抽出する代わりに,新しいシーケンスタグフレームワークを提案する。
私たちのチームは第1ステージのリーダーボードで1位、最終ステージのリーダーボードで3位を獲得しました。
論文 参考訳（メタデータ） (2021-10-28T09:08:35Z) - Event Data Association via Robust Model Fitting for Event-based Object Tracking [66.05728523166755]
本稿では,イベントアソシエーションと融合問題に明示的に対処する新しいイベントデータアソシエーション(EDA)手法を提案する。
提案するEDAは、統合データアソシエーションと情報融合を行うために、イベントデータに最も適したイベントトラジェクトリを求める。
実験結果から,高速,運動のぼやけ,高ダイナミックレンジ条件といった難易度シナリオ下でのEDAの有効性が示された。
論文 参考訳（メタデータ） (2021-10-25T13:56:00Z) - Effective Use of Graph Convolution Network and Contextual Sub-Tree
forCommodity News Event Extraction [1.398696312226463]
本稿では,コモディティニュースのイベントトラクションを改善するために,GCN(Graph Convolutional Networks)とPrunedDependency Parse Tree(コンテキストサブツリー)を効果的に利用することを提案する。
実験の結果,提案手法の効率はF1スコアが0.90までの既存手法よりも優れていた。
論文 参考訳（メタデータ） (2021-09-27T03:57:17Z) - 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) - Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。
タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。
また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
論文 参考訳（メタデータ） (2021-04-13T03:36:38Z) - Back to Prior Knowledge: Joint Event Causality Extraction via
Convolutional Semantic Infusion [5.566928318239452]
複合イベントと因果関係抽出は,情報検索とデータマイニングにおいて極めて重要な課題である。
共同抽出フレームワーク内で長さの異なる n-gram の頻繁な窓に対する畳み込み知識注入を提案する。
我々のモデルは強力なBERT+CSNNベースラインをはるかに上回る。
論文 参考訳（メタデータ） (2021-02-19T13:31:46Z) - Event Presence Prediction Helps Trigger Detection Across Languages [13.06818350795583]
本稿では,Transformerをベースとしたアーキテクチャが,シーケンスラベリングタスクとしてイベント抽出を効果的にモデル化できることを示す。
本稿では,BERTに基づくイベント抽出モデルの性能を大幅に向上させる,文レベルとトークンレベルのトレーニング目標の組み合わせを提案する。
論文 参考訳（メタデータ） (2020-09-15T15:52:21Z)
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。