論文の概要: Beyond Pairwise: Global Zero-shot Temporal Graph Generation

• arxiv url: http://arxiv.org/abs/2502.11114v1
• Date: Sun, 16 Feb 2025 13:06:50 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-02-18 14:12:55.983015
• Title: Beyond Pairwise: Global Zero-shot Temporal Graph Generation
• Title（参考訳）: ペアワイズを超えて:グローバルゼロショットのテンポラルグラフ生成
• Authors: Alon Eirew, Kfir Bar, Ido Dagan,
• Abstract要約: 時間関係抽出(TRE)は自然言語処理(NLP)の基本課題である 本稿では,文書の完全時間グラフを同時に生成するTREのゼロショット手法を提案する。 また、ドキュメント内のターゲットイベントのすべてのペアに対する完全なアノテーションを備えた新しいデータセットであるOmniTempも導入しています。
• 参考スコア（独自算出の注目度）: 18.054145230023884
• License:
• Abstract: Temporal relation extraction (TRE) is a fundamental task in natural language processing (NLP) that involves identifying the temporal relationships between events in a document. Despite the advances in large language models (LLMs), their application to TRE remains limited. Most existing approaches rely on pairwise classification, in which event pairs are considered individually, leading to computational inefficiency and a lack of global consistency in the resulting temporal graph. In this work, we propose a novel zero-shot method for TRE that generates a document's complete temporal graph at once, then applies transitive constraints optimization to refine predictions and enforce temporal consistency across relations. Additionally, we introduce OmniTemp, a new dataset with complete annotations for all pairs of targeted events within a document. Through experiments and analyses, we demonstrate that our method significantly outperforms existing zero-shot approaches while achieving competitive performance with supervised models.
• Abstract（参考訳）: 時間的関係抽出(TRE)は、自然言語処理(NLP)の基本課題であり、文書内の事象間の時間的関係を識別する。 大きな言語モデル(LLM)の進歩にもかかわらず、TREへの適用は制限されている。 既存のほとんどのアプローチはペアワイズ分類に依存しており、イベントペアは個別に考慮され、計算の非効率性と結果の時間グラフにおける大域的な一貫性の欠如につながる。 本研究では,文書の完全時間グラフを同時に生成する新たなゼロショット手法を提案する。 さらに、ドキュメント内のターゲットイベントのすべてのペアに対する完全なアノテーションを備えた新しいデータセットであるOmniTempを紹介します。 実験と解析により,本手法は既存のゼロショット手法よりも大幅に優れ,教師付きモデルとの競合性能が向上することを示した。

関連論文リスト

• IMPaCT GNN: Imposing invariance with Message Passing in Chronological split Temporal Graphs [8.861995276194435]
  本稿では,時系列分割によるグラフデータのドメイン適応問題に対処する。 本稿では,時間グラフ構造から導出した現実的な仮定に基づいて不変性を付与するIMPaCTを提案する。 ogbn-mag グラフデータセット上での現在の SOTA 法と比較して,IMPaCT は3.8% の性能向上を実現していることを示す。
  論文  参考訳（メタデータ） (2024-11-17T04:23:25Z)
• Localizing Factual Inconsistencies in Attributable Text Generation [91.981439746404]
  本稿では,帰属可能なテキスト生成における事実の不整合をローカライズするための新しい形式であるQASemConsistencyを紹介する。 まず,人間のアノテーションに対するQASemConsistency法の有効性を示す。 そこで我々は,局所的な事実の不整合を自動的に検出するいくつかの手法を実装した。
  論文  参考訳（メタデータ） (2024-10-09T22:53:48Z)
• A Condensed Transition Graph Framework for Zero-shot Link Prediction with Large Language Models [20.220781775335645]
  ゼロショットリンク予測(CTLP)のための凝縮遷移グラフフレームワークを提案する。 CTLPは、すべてのパス情報を線形時間複雑性でエンコードし、エンティティ間の見えない関係を予測する。 提案手法は,3つの標準ZSLPデータセット上での最先端性能を実現する。
  論文  参考訳（メタデータ） (2024-02-16T16:02:33Z)
• TimeGraphs: Graph-based Temporal Reasoning [64.18083371645956]
  TimeGraphsは階層的時間グラフとして動的相互作用を特徴付ける新しいアプローチである。 提案手法は,コンパクトなグラフベース表現を用いて相互作用をモデル化し,多種多様な時間スケールでの適応推論を可能にする。 我々は,サッカーシミュレータ,抵抗ゲーム,MOMA人間活動データセットなど,複雑でダイナミックなエージェントインタラクションを持つ複数のデータセット上でTimeGraphsを評価する。
  論文  参考訳（メタデータ） (2024-01-06T06:26:49Z)
• More than Classification: A Unified Framework for Event Temporal Relation Extraction [61.44799147458621]
  イベント時間関係抽出(ETRE)は通常、マルチラベル分類タスクとして定式化される。 イベントの開始点と終了点を使ってすべての関係を解釈できることを観察する。 本稿では,時間関係を時間点の論理的表現に変換するイベント時間関係抽出フレームワークを提案する。
  論文  参考訳（メタデータ） (2023-05-28T02:09:08Z)
• Taming Local Effects in Graph-based Spatiotemporal Forecasting [28.30604130617646]
  時相グラフニューラルネットワークは時系列予測に有効であることが示されている。 本稿では,グラフに基づく時間的予測におけるグローバル性と局所性の間の相互作用を理解することを目的とする。 このようなアーキテクチャにトレーニング可能なノード埋め込みを組み込むことを合理化するための方法論的枠組みを提案する。
  論文  参考訳（メタデータ） (2023-02-08T14:18:56Z)
• CEP3: Community Event Prediction with Neural Point Process on Graph [59.434777403325604]
  グラフニューラルネットワークとマーク付き時間点プロセス(MTPP)を組み合わせた新しいモデルを提案する。 実験では,モデルの精度と訓練効率の両面から,モデルの優れた性能を実証した。
  論文  参考訳（メタデータ） (2022-05-21T15:30:25Z)
• Stretching Sentence-pair NLI Models to Reason over Long Documents and Clusters [35.103851212995046]
  自然言語推論(NLI)は,文ペア間の意味的関係を推定するフレームワークとして,NLPコミュニティによって広く研究されている。 我々は、NLIモデルの実アプリケーションへの直接ゼロショット適用性について、訓練された文ペア設定を超えて検討する。 本研究では,ContractNLIデータセット上で,フルドキュメント上で動作し,最先端のパフォーマンスを実現するための新たなアグリゲーション手法を開発した。
  論文  参考訳（メタデータ） (2022-04-15T12:56:39Z)
• Exploiting Global Contextual Information for Document-level Named Entity Recognition [46.99922251839363]
  我々は、GCDoc(Global Context enhanced Document-level NER)と呼ばれるモデルを提案する。 単語レベルでは、文書グラフは単語間のより広範な依存関係をモデル化するために構築される。 文レベルでは、単一文を超えてより広い文脈を適切にモデル化するために、横断文モジュールを用いる。 我々のモデルは、CoNLL 2003データセットで92.22(BERTで93.40)、Ontonotes 5.0データセットで88.32(BERTで90.49)のスコアに達した。
  論文  参考訳（メタデータ） (2021-06-02T01:52:07Z)
• One-shot Learning for Temporal Knowledge Graphs [49.41854171118697]
  時間的知識グラフにおけるリンク予測のためのワンショット学習フレームワークを提案する。 提案手法は,実体間の時間的相互作用を効果的に符号化する自己認識機構を用いる。 実験の結果,提案アルゴリズムは2つのよく研究されたベンチマークにおいて,アートベースラインの状態よりも優れていた。
  論文  参考訳（メタデータ） (2020-10-23T03:24:44Z)
• Neural Language Modeling for Contextualized Temporal Graph Generation [49.21890450444187]
  本稿では,大規模事前学習言語モデルを用いた文書のイベントレベル時間グラフの自動生成に関する最初の研究について述べる。
  論文  参考訳（メタデータ） (2020-10-20T07:08:00Z)

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。