論文の概要: Synergizing Unsupervised Episode Detection with LLMs for Large-Scale News Events

• arxiv url: http://arxiv.org/abs/2408.04873v2
• Date: Sun, 08 Jun 2025 23:08:54 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-10 21:10:46.782071
• Title: Synergizing Unsupervised Episode Detection with LLMs for Large-Scale News Events
• Title（参考訳）: 大規模ニュースイベントのためのLDMによる教師なしエピソード検出の相乗化
• Authors: Priyanka Kargupta, Yunyi Zhang, Yizhu Jiao, Siru Ouyang, Jiawei Han,
• Abstract要約: 最先端の自動イベント検出は、進化するキーイベントに対する解釈可能性と適応性に苦労する。 本稿では,重要なイベント記事のニュースコーパス内のエピソードを識別する新たなタスクであるエピソード検出について紹介する。 記事中の自然なエピソード分割を利用して、重要なイベントの候補エピソードを識別する、教師なしのフレームワークであるEpiMineを紹介する。
• 参考スコア（独自算出の注目度）: 32.6146580586496
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: State-of-the-art automatic event detection struggles with interpretability and adaptability to evolving large-scale key events -- unlike episodic structures, which excel in these areas. Often overlooked, episodes represent cohesive clusters of core entities performing actions at a specific time and location; a partially ordered sequence of episodes can represent a key event. This paper introduces a novel task, episode detection, which identifies episodes within a news corpus of key event articles. Detecting episodes poses unique challenges, as they lack explicit temporal or locational markers and cannot be merged using semantic similarity alone. While large language models (LLMs) can aid with these reasoning difficulties, they suffer with long contexts typical of news corpora. To address these challenges, we introduce EpiMine, an unsupervised framework that identifies a key event's candidate episodes by leveraging natural episodic partitions in articles, estimated through shifts in discriminative term combinations. These candidate episodes are more cohesive and representative of true episodes, synergizing with LLMs to better interpret and refine them into final episodes. We apply EpiMine to our three diverse, real-world event datasets annotated at the episode level, where it achieves a 59.2% average gain across all metrics compared to baselines.
• Abstract（参考訳）: 最先端の自動イベント検出は、これらの領域で優れているエピソード構造とは異なり、大規模キーイベントの解釈可能性と適応性に苦慮している。 しばしば見過ごされるが、エピソード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の凝集的なクラスタを表し、部分的に順序付けられたエピソードのシーケンスは重要なイベントを表現することができる。 本稿では,重要なイベント記事のニュースコーパス内のエピソードを識別する新たなタスクであるエピソード検出について紹介する。 エピソードの検出は、時間的または位置的マーカーが欠如しており、意味的類似性だけではマージできないため、ユニークな課題を引き起こす。 大きな言語モデル(LLM)はこれらの推論の難しさを補うことができるが、ニュースコーパスに典型的な長いコンテキストに悩まされる。 これらの課題に対処するために,本稿では,識別用語の組み合わせのシフトを通じて推定される記事の自然なエピソード分割を利用して,重要なイベントの候補エピソードを識別する,教師なしのフレームワークであるEpiMineを紹介する。 これらの候補エピソードはより結束的で真のエピソードを代表し、LLMと相乗して解釈し、それらを最終エピソードに洗練する。 エピソードレベルで注釈付けされた3つの多様な実世界のイベントデータセットにEpiMineを適用します。

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。