論文の概要: Are Triggers Needed for Document-Level Event Extraction?

• arxiv url: http://arxiv.org/abs/2411.08708v1
• Date: Wed, 13 Nov 2024 15:50:38 GMT
• ステータス: 翻訳完了
• システム内更新日: 2024-11-14 16:11:35.120883
• Title: Are Triggers Needed for Document-Level Event Extraction?
• Title（参考訳）: 文書レベルのイベント抽出にはトリガーが必要か?
• Authors: Shaden Shaar, Wayne Chen, Maitreyi Chatterjee, Barry Wang, Wenting Zhao, Claire Cardie,
• Abstract要約: 我々は,文書レベルのイベント抽出において,より困難で研究の少ない作業に対するトリガーの役割を初めて調査する。 3つの文書レベルのイベント抽出データセットに対して、複数のエンドツーエンドおよびパイプライン化されたニューラルイベント抽出モデルでそれらの有用性を分析する。 我々の研究では、トリガーの有効性は、抽出タスクの特徴とデータ品質によって異なり、基本的で自動生成トリガーは、人間のアノテーションに代えて実行可能な代替品として機能することを示している。
• 参考スコア（独自算出の注目度）: 16.944314894087075
• License:
• Abstract: Most existing work on event extraction has focused on sentence-level texts and presumes the identification of a trigger-span -- a word or phrase in the input that evokes the occurrence of an event of interest. Event arguments are then extracted with respect to the trigger. Indeed, triggers are treated as integral to, and trigger detection as an essential component of, event extraction. In this paper, we provide the first investigation of the role of triggers for the more difficult and much less studied task of document-level event extraction. We analyze their usefulness in multiple end-to-end and pipelined neural event extraction models for three document-level event extraction datasets, measuring performance using triggers of varying quality (human-annotated, LLM-generated, keyword-based, and random). Our research shows that trigger effectiveness varies based on the extraction task's characteristics and data quality, with basic, automatically-generated triggers serving as a viable alternative to human-annotated ones. Furthermore, providing detailed event descriptions to the extraction model helps maintain robust performance even when trigger quality degrades. Perhaps surprisingly, we also find that the mere existence of trigger input, even random ones, is important for prompt-based LLM approaches to the task.
• Abstract（参考訳）: イベント抽出に関するほとんどの既存の研究は、文レベルのテキストに焦点を当てており、興味のあるイベントの発生を誘発する入力中の単語やフレーズであるトリガースパンの識別を前提としている。 イベント引数はトリガーに関して抽出される。 実際、トリガーはイベント抽出の重要なコンポーネントであるトリガー検出に不可欠なものとして扱われる。 本稿では,文書レベルのイベント抽出におけるトリガの役割について,より困難で研究の少ない課題について,初めて考察する。 3つの文書レベルのイベント抽出データセットに対して、複数のエンドツーエンドおよびパイプライン化されたニューラルイベント抽出モデルにおいて、それらの有用性を分析し、異なる品質のトリガ(人間アノテーション、LLM生成、キーワードベース、ランダム)を用いてパフォーマンスを測定する。 我々の研究では、トリガーの有効性は、抽出タスクの特徴とデータ品質によって異なり、基本的で自動生成トリガーが、人間に注釈付けされたトリガーの代替となることが示されている。 さらに、抽出モデルに詳細なイベント記述を提供することで、トリガー品質が低下しても堅牢なパフォーマンスを維持することができる。 おそらく驚くべきことに、単純なトリガー入力の存在、あるいはランダムな入力の存在は、タスクへのプロンプトベースのLCMアプローチにとって重要であることもわかっています。

関連論文リスト

• MAVEN-Arg: Completing the Puzzle of All-in-One Event Understanding Dataset with Event Argument Annotation [104.6065882758648]
  MAVEN-Argは、イベント検出、イベント引数抽出、イベント関係抽出をサポートする最初のオールインワンデータセットである。 EAEベンチマークでは、(1)162のイベントタイプと612の引数ロールをカバーする包括的なスキーマ、(2)98,591のイベントと290,613の引数を含む大規模なデータスケール、(3)EAEのすべてのタスク変種をサポートする包括的なアノテーションの3つの利点がある。
  論文  参考訳（メタデータ） (2023-11-15T16:52:14Z)
• Boosting Event Extraction with Denoised Structure-to-Text Augmentation [52.21703002404442]
  イベント抽出は、テキストから事前に定義されたイベントトリガと引数を認識することを目的としている。 最近のデータ拡張手法は文法的誤りの問題を無視することが多い。 本稿では,イベント抽出DAEEのための記述構造からテキストへの拡張フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-16T16:52:07Z)
• Zero-Shot Information Extraction as a Unified Text-to-Triple Translation [56.01830747416606]
  我々は、テキストから3つの翻訳フレームワークに一連の情報抽出タスクを投入した。 タスク固有の入力テキストと出力トリプルの変換としてタスクを形式化する。 本稿では,オープン情報抽出におけるゼロショット性能について検討する。
  論文  参考訳（メタデータ） (2021-09-23T06:54:19Z)
• Document-Level Event Argument Extraction by Conditional Generation [75.73327502536938]
  イベント抽出は、長い間IEコミュニティで文レベルのタスクとして扱われてきた。 タスクを条件生成型イベントテンプレートとして定式化することで,ドキュメントレベルのニューラルイベント引数抽出モデルを提案する。 また、新しいドキュメントレベルのイベント抽出ベンチマークデータセットWikiEventsもコンパイルします。
  論文  参考訳（メタデータ） (2021-04-13T03:36:38Z)
• Document-level Event Extraction with Efficient End-to-end Learning of Cross-event Dependencies [37.96254956540803]
  本稿では,構造化予測アルゴリズムであるDeep Value Networks (DVN) を利用したエンドツーエンドモデルを提案する。 提案手法はACE05上でのCRFモデルに匹敵する性能を達成し,計算効率は極めて高い。
  論文  参考訳（メタデータ） (2020-10-24T05:28:16Z)
• Probing and Fine-tuning Reading Comprehension Models for Few-shot Event Extraction [17.548548562222766]
  イベント抽出のための読解フレームワークを提案する。 適切なクエリテンプレートを構築することで,タスクやラベルのセマンティクスに関する豊富な知識を効果的に抽出することができる。 本手法は,ACE 2005ベンチマークにおいて,全監督訓練を行った場合の最先端性能を実現する。
  論文  参考訳（メタデータ） (2020-10-21T21:48:39Z)
• Detecting Ongoing Events Using Contextual Word and Sentence Embeddings [110.83289076967895]
  本稿では,OED(Ongoing Event Detection)タスクを紹介する。 目的は、歴史、未来、仮説、あるいは新しいものでも現在のものでもない他の形式や出来事に対してのみ、進行中のイベントの言及を検出することである。 構造化されていないテキストから進行中のイベントに関する構造化情報を抽出する必要があるアプリケーションは、OEDシステムを利用することができる。
  論文  参考訳（メタデータ） (2020-07-02T20:44:05Z)
• Event Arguments Extraction via Dilate Gated Convolutional Neural Network with Enhanced Local Features [13.862428694544635]
  イベント抽出は、世界を理解するために情報抽出において重要な役割を果たす。 本研究では,多層ゲート型畳み込みニューラルネットワーク(EE-DGCNN)に基づくイベント抽出手法を提案する。 実験では、実世界のデータセット上での最先端のイベント抽出アプローチを超えて、大幅なパフォーマンス向上が示された。
  論文  参考訳（メタデータ） (2020-06-02T18:05:34Z)
• Document-Level Event Role Filler Extraction using Multi-Granularity Contextualized Encoding [40.13163091122463]
  イベントロールフィラーに対応するテキストの幅を決定するために、より大きなコンテキストのビューを必要とするため、イベント抽出は難しいタスクである。 まず、文書レベルのロールフィラー抽出において、エンドツーエンドのニューラルシーケンスモデルがどのように機能するかを検討する。 私たちの最高のシステムは、以前の作業よりもかなり優れたパフォーマンスを示します。
  論文  参考訳（メタデータ） (2020-05-13T20:42:17Z)
• Event Extraction by Answering (Almost) Natural Questions [40.13163091122463]
  質問応答(QA)タスクとして定式化することで,イベント抽出のための新しいパラダイムを導入する。 実験結果から,我々のフレームワークは先行手法を著しく上回っていることが明らかとなった。
  論文  参考訳（メタデータ） (2020-04-28T16:15:46Z)
• Improving Multi-Turn Response Selection Models with Complementary Last-Utterance Selection by Instance Weighting [84.9716460244444]
  我々は、データリソース自体の根底にある相関を利用して、異なる種類の監視信号を導出することを検討する。 2つの公開データセットで広範な実験を行い、両方のデータセットで大幅に改善した。
  論文  参考訳（メタデータ） (2020-02-18T06:29:01Z)

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。