論文の概要: Unsupervised Episode Detection for Large-Scale News Events
- arxiv url: http://arxiv.org/abs/2408.04873v1
- Date: Fri, 9 Aug 2024 05:26:31 GMT
- ステータス: 処理完了
- システム内更新日: 2024-08-12 16:38:47.675704
- Title: Unsupervised Episode Detection for Large-Scale News Events
- Title（参考訳）: 大規模ニュースイベントに対する教師なしエピソード検出
- Authors: Priyanka Kargupta, Yunyi Zhang, Yizhu Jiao, Siru Ouyang, Jiawei Han,
- Abstract要約: エピソード構造は本質的に解釈可能であり、大規模キーイベントの進化に適応可能である。
本稿では,重要なイベント記事を含むニュースコーパスからエピソードを識別する新しいタスクであるエピソード検出について紹介する。
- 参考スコア（独自算出の注目度）: 32.6146580586496
- License: http://creativecommons.org/licenses/by-sa/4.0/
- Abstract: Episodic structures are inherently interpretable and adaptable to evolving large-scale key events. However, state-of-the-art automatic event detection methods overlook event episodes and, therefore, struggle with these crucial characteristics. This paper introduces a novel task, episode detection, aimed at identifying episodes from a news corpus containing key event articles. An episode describes a cohesive cluster of core entities (e.g., "protesters", "police") performing actions at a specific time and location. Furthermore, an episode is a significant part of a larger group of episodes under a particular key event. Automatically detecting episodes is challenging because, unlike key events and atomic actions, we cannot rely on explicit mentions of times and locations to distinguish between episodes or use semantic similarity to merge inconsistent episode co-references. To address these challenges, we introduce EpiMine, an unsupervised episode detection framework that (1) automatically identifies the most salient, key-event-relevant terms and segments, (2) determines candidate episodes in an article based on natural episodic partitions estimated through shifts in discriminative term combinations, and (3) refines and forms final episode clusters using large language model-based reasoning on the candidate episodes. We construct three diverse, real-world event datasets annotated at the episode level. EpiMine outperforms all baselines on these datasets by an average 59.2% increase across all metrics.
- Abstract（参考訳）: エピソード構造は本質的に解釈可能であり、大規模キーイベントの進化に適応可能である。
しかし、現在最先端の自動イベント検出手法は、イベントのエピソードを見落としているため、これらの重要な特徴に苦慮している。
本稿では,重要なイベント記事を含むニュースコーパスからエピソードを識別する新しいタスクであるエピソード検出について紹介する。
エピソードでは、特定の時間と位置でアクションを実行するコアエンティティ(例えば、"protesters"、"police")の凝集クラスタを記述する。
さらに、エピソードは特定の重要なイベントの下でのエピソードの大規模なグループの重要な部分である。
エピソードの自動検出は、重要な出来事やアトミックアクションとは異なり、エピソードを区別したり、一貫性のないエピソードの参照をマージする意味的類似性を使用するために、時間や場所の明示的な言及に頼ることができないため、難しい。
これらの課題に対処するために,(1)最も健全でキーに関連のある用語とセグメントを自動的に識別する教師なしのエピソード検出フレームワークであるEpiMineを紹介し,(2)識別項の組み合わせのシフトによって推定される自然なエピソード分割に基づいて記事中の候補エピソードを判定し,(3)大規模言語モデルに基づく推論を用いて最終エピソードクラスタを洗練・形成する。
エピソードレベルでアノテートされた3つの多様な実世界のイベントデータセットを構築した。
EpiMineはこれらのデータセットのベースラインを平均59.2%向上させています。
関連論文リスト
- "Previously on ..." From Recaps to Story Summarization [13.311411816150551]
テレビエピソードの要約を利用したマルチモーダルストーリー要約を提案する。
ストーリー要約ラベルは、エピソード内の対応するサブストーリーにリキャップショットを合わせることでアンロックされる。
本稿では,将来的なクロスシリーズの一般化を含む,ストーリー要約の徹底的な評価について述べる。
論文 参考訳（メタデータ） (2024-05-19T09:09:54Z) - Glance and Focus: Memory Prompting for Multi-Event Video Question
Answering [36.00733800536469]
VideoQAは、人間の日常行動を理解するエージェントの能力を評価する重要なツールとして登場した。
人間は一連のエピソード記憶をアンカーとして使い、推論のための質問に関連する重要な瞬間を素早く見つけることで、簡単に対処できる。
この効果的な推論戦略を模倣するGlance-Focusモデルを提案する。
論文 参考訳（メタデータ） (2024-01-03T03:51:16Z) - Abnormal Event Detection via Hypergraph Contrastive Learning [54.80429341415227]
異常事象検出は多くの実アプリケーションにおいて重要な役割を果たす。
本稿では,分散異種情報ネットワークにおける異常事象検出問題について検討する。
AEHCLと呼ばれる新しいハイパーグラフコントラスト学習法が,異常事象のパターンをフルに捉えるために提案されている。
論文 参考訳（メタデータ） (2023-04-02T08:23:20Z) - 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) - Unsupervised Key Event Detection from Massive Text Corpora [42.31889135421941]
本稿では,ニュースコーパスキーイベントから検出することを目的とした,中間レベルでのキーイベント検出という新たなタスクを提案する。
このタスクは、イベントの理解と構造化をブリッジすることができ、キーイベントのテーマと時間的近接性のために本質的に困難である。
我々は、新しいttf-itfスコアを用いて、時間的に頻繁なピークフレーズを抽出する、教師なしキーイベント検出フレームワークEvMineを開発した。
論文 参考訳（メタデータ） (2022-06-08T20:31:02Z) - 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) - A Unified Taxonomy and Multimodal Dataset for Events in Invasion Games [3.7111751305143654]
本稿では,侵略ゲームにおける多種多様な低レベル・高レベルの事象を包括する普遍的な分類法を提案する。
我々は、細粒度および球中心イベントスポッティングの研究を促進するため、金標準アノテーションを用いたビデオデータと位置データからなる2つのマルチモーダルデータセットをリリースする。
論文 参考訳（メタデータ） (2021-08-25T10:09:28Z) - Generic Event Boundary Detection: A Benchmark for Event Segmentation [21.914662894860474]
本稿では,ビデオ全体をチャンクに分割する一般的な分類のないイベント境界を検出するための新しいベンチマークとともに,新しいタスクを提案する。
本稿では,ジェネリックイベント境界検出(GEBD)と新しいベンチマークKinetics-GEBDを提案する。
人間が未来を正確に予測できない地点で境界をマークするという認知的発見に触発されて、教師なしのアプローチを探求する。
論文 参考訳（メタデータ） (2021-01-26T01:31:30Z) - A Background-Agnostic Framework with Adversarial Training for Abnormal
Event Detection in Video [120.18562044084678]
近年,ビデオにおける異常事象検出は複雑なコンピュータビジョンの問題として注目されている。
通常のイベントのみを含むトレーニングビデオから学習するバックグラウンドに依存しないフレームワークを提案する。
論文 参考訳（メタデータ） (2020-08-27T18:39:24Z) - Team RUC_AIM3 Technical Report at Activitynet 2020 Task 2: Exploring
Sequential Events Detection for Dense Video Captioning [63.91369308085091]
本稿では、イベントシーケンス生成のための新規でシンプルなモデルを提案し、ビデオ中のイベントシーケンスの時間的関係を探索する。
提案モデルでは,非効率な2段階提案生成を省略し,双方向時間依存性を条件としたイベント境界を直接生成する。
総合システムは、チャレンジテストセットの9.894 METEORスコアで、ビデオタスクにおける密封イベントの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） (2020-06-14T13:21:37Z)
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。