論文の概要: TLEX: An Efficient Method for Extracting Exact Timelines from TimeML Temporal Graphs
- arxiv url: http://arxiv.org/abs/2406.05265v1
- Date: Fri, 7 Jun 2024 21:20:32 GMT
- ステータス: 処理完了
- システム内更新日: 2024-06-11 20:34:04.746622
- Title: TLEX: An Efficient Method for Extracting Exact Timelines from TimeML Temporal Graphs
- Title(参考訳): TLEX: TimeML の時間グラフから正確な時間線を抽出する効率的な方法
- Authors: Mustafa Ocal, Ning Xie, Mark Finlayson,
- Abstract要約: 我々は、TimeMLアノテートテキストからタイムラインを抽出するTLEX(TimeLine Extraction)と呼ばれる、正確なエンドツーエンドソリューションを開発した。
TLEXはTimeMLアノテーションをトランクとブランチ構造に配置されたタイムラインのコレクションに変換する。
123のテキストが矛盾しており、181のテキストには1つ以上の実世界またはメインタイムラインがあり、4つのコーパスに2,541の未決定セクションがある。
- 参考スコア(独自算出の注目度): 3.06868287890455
- License: http://creativecommons.org/licenses/by/4.0/
- Abstract: A timeline provides a total ordering of events and times, and is useful for a number of natural language understanding tasks. However, qualitative temporal graphs that can be derived directly from text -- such as TimeML annotations -- usually explicitly reveal only partial orderings of events and times. In this work, we apply prior work on solving point algebra problems to the task of extracting timelines from TimeML annotated texts, and develop an exact, end-to-end solution which we call TLEX (TimeLine EXtraction). TLEX transforms TimeML annotations into a collection of timelines arranged in a trunk-and-branch structure. Like what has been done in prior work, TLEX checks the consistency of the temporal graph and solves it; however, it adds two novel functionalities. First, it identifies specific relations involved in an inconsistency (which could then be manually corrected) and, second, TLEX performs a novel identification of sections of the timelines that have indeterminate order, information critical for downstream tasks such as aligning events from different timelines. We provide detailed descriptions and analysis of the algorithmic components in TLEX, and conduct experimental evaluations by applying TLEX to 385 TimeML annotated texts from four corpora. We show that 123 of the texts are inconsistent, 181 of them have more than one ``real world'' or main timeline, and there are 2,541 indeterminate sections across all four corpora. A sampling evaluation showed that TLEX is 98--100% accurate with 95% confidence along five dimensions: the ordering of time-points, the number of main timelines, the placement of time-points on main versus subordinate timelines, the connecting point of branch timelines, and the location of the indeterminate sections. We provide a reference implementation of TLEX, the extracted timelines for all texts, and the manual corrections of the inconsistent texts.
- Abstract(参考訳): タイムラインは、イベントと時間の完全な順序付けを提供し、多くの自然言語理解タスクに役立ちます。
しかし、TimeMLアノテーションのようなテキストから直接導出できる定性的な時間グラフは、通常、イベントや時間の部分順序のみを明確に示します。
本研究では,TimeMLアノテートされたテキストからタイムラインを抽出するタスクに対して,ポイント代数問題を解くための先行研究を適用し,TLEX(TimeLine Extraction)と呼ぶエンドツーエンドのソリューションを開発する。
TLEXはTimeMLアノテーションをトランクとブランチ構造に配置されたタイムラインのコレクションに変換する。
これまでの作業と同様に、TLEXは時間グラフの整合性をチェックし、それを解決するが、2つの新しい機能を加えている。
まず、不整合(次に手動で修正できる)に関わる特定の関係を識別し、次に、TLEXは、不確定な順序を持つタイムラインのセクション、異なるタイムラインからのイベントの整列などの下流タスクに不可欠な情報、を新規に識別する。
TLEXにおけるアルゴリズム成分の詳細な記述と解析を行い,4つのコーパスから385のTimeMLアノテートテキストにTLEXを適用して実験評価を行った。
123のテキストが矛盾しており、181のテキストには複数の「現実の世界」またはメインタイムラインがあり、全4コーパスに2,541の未決定セクションがある。
サンプリング評価の結果, TLEXは, 時間点の順序, 主時系列数, 主時系列と主時系列上の時間点の配置, 分岐タイムラインの接続点, 不定区間の位置の5次元に沿って, 95%信頼度で98~100%正確であることがわかった。
本稿では,TLEXの参照実装,全テキストの抽出したタイムライン,一貫性のないテキストのマニュアル修正について述べる。
関連論文リスト
- Analyzing Temporal Complex Events with Large Language Models? A Benchmark towards Temporal, Long Context Understanding [57.62275091656578]
時間的複合イベント(TCE)として、長い期間にわたって多くのニュース記事から構成される複合イベントについて述べる。
本稿では,Large Language Models (LLMs) を用いて,TCE内のイベントチェーンを系統的に抽出し,解析する手法を提案する。
論文 参考訳(メタデータ) (2024-06-04T16:42:17Z) - The Power of Summary-Source Alignments [62.76959473193149]
多文書要約(MDS)は難しい課題であり、しばしばサリエンスと冗長性検出のサブタスクに分解される。
参照要約とそのソース文書間の対応する文のアライメントを利用して、トレーニングデータを生成する。
本稿では,よりきめ細かな提案スパンレベルで適用することで,要約ソースアライメントフレームワークを拡張することを提案する。
論文 参考訳(メタデータ) (2024-06-02T19:35:19Z) - Leveraging 2D Information for Long-term Time Series Forecasting with Vanilla Transformers [55.475142494272724]
時系列予測は、様々な領域における複雑な力学の理解と予測に不可欠である。
GridTSTは、革新的な多方向性の注意を用いた2つのアプローチの利点を組み合わせたモデルである。
このモデルは、さまざまな現実世界のデータセットに対して、常に最先端のパフォーマンスを提供する。
論文 参考訳(メタデータ) (2024-05-22T16:41:21Z) - Formulation Comparison for Timeline Construction using LLMs [6.827174240679527]
我々は,文書レベルの順序アノテーションを付加した単一文書タイムラインからなる新しい評価データセットTimeSETを開発した。
TimeSETは、サリエンシベースのイベント選択と部分順序付けを備えており、実用的なアノテーションのワークロードを可能にする。
実験の結果,(1) Flan-T5によるNLIの定式化は互いに強い性能を示し,(2)タイムライン構築とイベント時間順序付けは,まだ数発のLLMでは難しい課題であることがわかった。
論文 参考訳(メタデータ) (2024-03-01T21:24:24Z) - Once Upon a $\textit{Time}$ in $\textit{Graph}$: Relative-Time
Pretraining for Complex Temporal Reasoning [96.03608822291136]
我々は時間の性質を生かし、時間軸に沿った事象の相対的な配置に基づくグラフ構造の構築を提案する。
グラフビューにインスパイアされたRemeMoを提案する。これは2つの文間の時間関係をモデル化することによって、時間的に観察されたすべての事実を明示的に接続する。
実験の結果、RemeMoは複数の時間的質問応答データセット上でベースラインT5よりも優れていた。
論文 参考訳(メタデータ) (2023-10-23T08:49:00Z) - Follow the Timeline! Generating Abstractive and Extractive Timeline
Summary in Chronological Order [78.46986998674181]
時間順で抽象的かつ抽出的な時系列を生成できる統一タイムライン要約器(UTS)を提案する。
我々は、以前の中国の大規模タイムライン要約データセットを拡張し、新しい英語タイムラインデータセットを収集する。
UTSは、自動評価と人的評価の両方の観点から最先端のパフォーマンスを達成する。
論文 参考訳(メタデータ) (2023-01-02T20:29:40Z) - Time-aware Prompting for Text Generation [17.58231642569116]
文書作成日時などのタイムスタンプを世代システムに組み込む効果について検討する。
1) 自然言語文中の文書のタイムスタンプをエンコードするテキストプロンプト,(2) タイムスタンプを連続ベクトルに変換する線形プロンプト。
論文 参考訳(メタデータ) (2022-11-03T22:10:25Z) - A Generalized & Robust Framework For Timestamp Supervision in Temporal
Action Segmentation [79.436224998992]
時間的アクションセグメンテーションでは、Timestampの監督はビデオシーケンスごとにわずかにラベル付きフレームを必要とする。
本稿では,未ラベルフレームのラベルの不確実性を利用した期待最大化に基づく新しい手法を提案する。
提案手法はSOTA結果を生成し,複数のメトリクスやデータセットの完全教師付き設定を超えている。
論文 参考訳(メタデータ) (2022-07-20T18:30:48Z) - CNTLS: A Benchmark Dataset for Abstractive or Extractive Chinese
Timeline Summarization [22.813746290856916]
中国における時系列要約のための汎用リソースであるCNTLSデータセットについて紹介する。
CNTLSは77のリアルタイムトピックを含み、それぞれ2524のドキュメントを持ち、60%近くの圧縮を要約している。
CNTLSコーパスを用いた各種抽出・生成要約システムの性能評価を行った。
論文 参考訳(メタデータ) (2021-05-29T03:47:10Z)
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。