Fugu-MT 論文翻訳(概要): SCI 3.0: A Web-based Schema Curation Interface for Graphical Event Representations

論文の概要: SCI 3.0: A Web-based Schema Curation Interface for Graphical Event Representations

arxiv url: http://arxiv.org/abs/2405.09733v2
Date: Fri, 17 May 2024 02:29:06 GMT
ステータス: 処理完了
システム内更新日: 2024-05-20 11:46:25.053582
Title: SCI 3.0: A Web-based Schema Curation Interface for Graphical Event Representations
Title（参考訳）: SCI 3.0: 図形イベント表現のためのWebベースのスキーマキュレーションインターフェース
Authors: Reece Suchocki, Mary Martin, Martha Palmer, Susan Brown,
Abstract要約: Curation Interface 3.0 (SCI 3.0)は、生成されたグラフ内のイベントスキーマプロパティのリアルタイム編集を容易にするWebアプリケーションである。この概念は、構造化イベントスキーマの作成を通じて自然言語処理(NLP)の分野に拡張することができる。
参考スコア（独自算出の注目度）: 6.369966128787872
License: http://creativecommons.org/licenses/by/4.0/
Abstract: To understand the complexity of global events, one must navigate a web of interwoven sub-events, identifying those most impactful elements within the larger, abstract macro-event framework at play. This concept can be extended to the field of natural language processing (NLP) through the creation of structured event schemas which can serve as representations of these abstract events. Central to our approach is the Schema Curation Interface 3.0 (SCI 3.0), a web application that facilitates real-time editing of event schema properties within a generated graph e.g., adding, removing, or editing sub-events, entities, and relations directly through an interface.
Abstract（参考訳）: グローバルイベントの複雑さを理解するには、織布されたサブイベントのWebをナビゲートし、より大きな抽象マクロイベントフレームワークの中で最も影響の大きい要素を特定する必要がある。この概念は、これらの抽象イベントの表現として機能する構造化イベントスキーマの作成を通じて、自然言語処理(NLP)の分野に拡張することができる。当社のアプローチの中心にあるのは、Schema Curation Interface 3.0(SCI 3.0)です。これは、生成されたグラフeg内のイベントスキーマプロパティのリアルタイムな編集を容易にするWebアプリケーションです。

関連論文リスト

Bridging Local Details and Global Context in Text-Attributed Graphs [62.522550655068336]
GraphBridgeは、コンテキストテキスト情報を活用することで、ローカルおよびグローバルな視点をブリッジするフレームワークである。提案手法は最先端性能を実現し,グラフ対応トークン削減モジュールは効率を大幅に向上し,スケーラビリティの問題を解消する。
論文参考訳（メタデータ） (2024-06-18T13:35:25Z)
SRFUND: A Multi-Granularity Hierarchical Structure Reconstruction Benchmark in Form Understanding [55.48936731641802]
階層的に構造化されたマルチタスク形式理解ベンチマークであるSRFUNDを提案する。 SRFUNDはオリジナルのFUNSDとXFUNDデータセットの上に洗練されたアノテーションを提供する。データセットには、英語、中国語、日本語、ドイツ語、フランス語、スペイン語、イタリア語、ポルトガル語を含む8つの言語が含まれている。
論文参考訳（メタデータ） (2024-06-13T02:35:55Z)
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)
Open-Domain Hierarchical Event Schema Induction by Incremental Prompting and Verification [81.17473088621209]
イベントスキーマを,大規模言語モデル(LLM)から導出可能なコモンセンス知識の一形態として扱う。複雑なイベントグラフの構築を3段階に分割するインクリメンタルなプロンプトおよび検証手法を設計する。線形化グラフを生成するのにLLMを直接使用するのに比べ、時間関係が7.2%F1、階層関係が31.0%F1の大規模かつ複雑なスキーマを生成することができる。
論文参考訳（メタデータ） (2023-07-05T01:00:44Z)
JSEEGraph: Joint Structured Event Extraction as Graph Parsing [4.254099382808598]
JSEEGraphはグラフベースのイベント抽出フレームワークである。エンティティとイベントを1つのセマンティックグラフにエンコードする。ネストしたイベント構造を扱うことができ、異なるIEタスクを共同で解決することは有益であり、イベント引数抽出はエンティティ抽出から特に恩恵を受ける。
論文参考訳（メタデータ） (2023-06-26T12:12:54Z)
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)
Harvesting Event Schemas from Large Language Models [38.56772862516626]
イベントスキーマは、イベントを表現し、世界イベントの知識をモデル化するための概念的、構造的、フォーマルな言語を提供する。実世界のイベントのオープンな性質、イベント表現の多様性、イベント知識の広さにより、高品質で高カバレッジなイベントスキーマを自動生成することは困難である。本稿では,大規模な事前学習型言語モデルから得られた知識を,イベントスキーマ誘導のための新しいパラダイムとして提案する。
論文参考訳（メタデータ） (2023-05-12T06:51:05Z)
Universal Information Extraction as Unified Semantic Matching [54.19974454019611]
情報抽出を,異なるタスクやスキーマで共有される構造化と概念化という,2つの能力に分割する。このパラダイムに基づいて、統一意味マッチングフレームワークを用いて様々なIEタスクを普遍的にモデル化することを提案する。このように、USMはスキーマと入力テキストを共同でエンコードし、サブ構造を一様に並列に抽出し、必要に応じてターゲット構造を制御できる。
論文参考訳（メタデータ） (2023-01-09T11:51:31Z)
Schema Curation via Causal Association Rule Mining [41.853476604903356]
イベントスキーマは、典型的な実世界のシナリオを定義する構造化知識ソースである。本稿では,スキーマライブラリの効率的なHuman-in-the-loop構築のためのフレームワークを提案する。
論文参考訳（メタデータ） (2021-04-18T10:48:26Z)
Referring Image Segmentation via Cross-Modal Progressive Comprehension [94.70482302324704]
画像セグメンテーションの参照は、自然言語表現で与えられた記述によく一致するエンティティの前景マスクをセグメンテーションすることを目的としている。従来のアプローチでは、暗黙的な特徴相互作用と視覚的モダリティと言語的モダリティの融合を用いてこの問題に対処していた。本稿では,この課題に効果的に対応するために,Cross-Modal Progressive (CMPC) モジュールと Text-Guided Feature Exchange (TGFE) モジュールを提案する。
論文参考訳（メタデータ） (2020-10-01T16:02:30Z)

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。