論文の概要: Retrieval of Temporal Event Sequences from Textual Descriptions

• arxiv url: http://arxiv.org/abs/2410.14043v2
• Date: Mon, 03 Feb 2025 04:50:39 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-04 16:06:01.819206
• Title: Retrieval of Temporal Event Sequences from Textual Descriptions
• Title（参考訳）: テキスト記述による時間事象系列の検索
• Authors: Zefang Liu, Yinzhu Quan,
• Abstract要約: TESRBenchはテキスト記述から時間的イベントシーケンスを検索するためのベンチマークである。 イベントシーケンスの埋め込みと検索のための新しいモデルであるTPP-Embeddingを提案する。 TPP-EmbeddingはTESRBenchデータセットのベースラインモデルよりも優れたパフォーマンスを示している。
• 参考スコア（独自算出の注目度）: 0.0
• License:
• Abstract: Retrieving temporal event sequences from textual descriptions is crucial for applications such as analyzing e-commerce behavior, monitoring social media activities, and tracking criminal incidents. To advance this task, we introduce TESRBench, a comprehensive benchmark for temporal event sequence retrieval (TESR) from textual descriptions. TESRBench includes diverse real-world datasets with synthesized and reviewed textual descriptions, providing a strong foundation for evaluating retrieval performance and addressing challenges in this domain. Building on this benchmark, we propose TPP-Embedding, a novel model for embedding and retrieving event sequences. The model leverages the TPP-LLM framework, integrating large language models (LLMs) with temporal point processes (TPPs) to encode both event texts and times. By pooling representations and applying a contrastive loss, it unifies temporal dynamics and event semantics in a shared embedding space, aligning sequence-level embeddings of event sequences and their descriptions. TPP-Embedding demonstrates superior performance over baseline models across TESRBench datasets, establishing it as a powerful solution for the temporal event sequence retrieval task.
• Abstract（参考訳）: テキスト記述から時間的イベントシーケンスを取得することは、eコマース行動の分析、ソーシャルメディアの活動の監視、犯罪事件の追跡といったアプリケーションに不可欠である。 TESRBenchはテキスト記述から時間イベントシーケンス検索(TESR)の総合的なベンチマークである。 TESRBenchには、テキスト記述の合成とレビューによるさまざまな実世界のデータセットが含まれており、この領域における検索パフォーマンスの評価と課題への対処のための強力な基盤を提供する。 このベンチマークに基づいて、イベントシーケンスの埋め込みと検索のための新しいモデルであるTPP-Embeddingを提案する。 このモデルはTPP-LLMフレームワークを活用し、大きな言語モデル(LLM)と時間点プロセス(TPP)を統合し、イベントテキストと時間の両方をエンコードする。 表現をプールし、対照的な損失を適用することで、共有埋め込み空間における時間的ダイナミクスとイベントセマンティクスを統一し、イベントシーケンスとその記述のシーケンスレベルの埋め込みを整列する。 TPP-EmbeddingはTESRBenchデータセットのベースラインモデルよりも優れたパフォーマンスを示し、時間イベントシーケンス検索タスクの強力なソリューションとして確立している。

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)
• Pretext Training Algorithms for Event Sequence Data [29.70078362944441]
  本稿では,イベントシーケンスデータに適した自己教師付き事前テキスト学習フレームワークを提案する。 私たちのプレテキストタスクは、さまざまなダウンストリームタスクで一般化可能な基礎表現をアンロックします。
  論文  参考訳（メタデータ） (2024-02-16T01:25:21Z)
• Background Summarization of Event Timelines [13.264991569806572]
  本稿では、各時系列更新と関連するイベントの背景要約を補完するバックグラウンドニュース要約のタスクを紹介する。 我々は,既存の時系列データセットをマージしてデータセットを構築し,各ニュースイベント毎の背景要約を書くよう人間アノテータに依頼する。 我々は、最先端の要約システムを用いて強力なベースライン性能を確立し、背景要約を生成するためのクエリ中心の変種を提案する。
  論文  参考訳（メタデータ） (2023-10-24T21:30:15Z)
• Prompt-augmented Temporal Point Process for Streaming Event Sequence [18.873915278172095]
  本稿では,ニューラル・テンポラル・ポイント・プロセス(TPP)モデルを継続的に監視するための新しいフレームワークを提案する。 PromptTPPは、3つの実際のユーザ行動データセットにわたって、最先端のパフォーマンスを一貫して達成する。
  論文  参考訳（メタデータ） (2023-10-08T03:41:16Z)
• 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)
• Zero-Shot On-the-Fly Event Schema Induction [61.91468909200566]
  本稿では,大規模な言語モデルを用いて,高レベルなイベント定義,特定のイベント,引数,それらの関係を予測・付与するソースドキュメントを生成する手法を提案する。 我々のモデルを用いて、任意のトピックに関する完全なスキーマを、手動のデータ収集、すなわちゼロショットの方法で、オンザフライで生成することができる。
  論文  参考訳（メタデータ） (2022-10-12T14:37:00Z)
• CLIP-Event: Connecting Text and Images with Event Structures [123.31452120399827]
  視覚言語事前学習モデルを適用したコントラスト学習フレームワークを提案する。 我々は、イベント構造知識を得るために、テキスト情報抽出技術を利用する。 実験により、ゼロショットCLIP-Eventは引数抽出において最先端の教師付きモデルよりも優れていることが示された。
  論文  参考訳（メタデータ） (2022-01-13T17:03:57Z)
• Integrating Deep Event-Level and Script-Level Information for Script Event Prediction [60.67635412135681]
  本稿では,MCPredictorと呼ばれるTransformerベースのモデルを提案する。 The experimental results on the wide-useed New York Times corpus showed the effectiveness and superiority of the proposed model。
  論文  参考訳（メタデータ） (2021-09-24T07:37:32Z)
• Conditional Generation of Temporally-ordered Event Sequences [29.44608199294757]
  本稿では,イベントシーケンスの時間性だけでなく,イベント共起を捉えることができる条件生成モデルを提案する。 この単一モデルは、時間的順序付け、与えられたイベント列をそれらが発生した順序にソートすること、イベントを埋め込むことの両方に対処でき、既存のイベントの時間的順序付けシーケンスに適合する新しいイベントを予測できる。
  論文  参考訳（メタデータ） (2020-12-31T18:10:18Z)
• 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。