論文の概要: Chaining Event Spans for Temporal Relation Grounding

• arxiv url: http://arxiv.org/abs/2506.14213v1
• Date: Tue, 17 Jun 2025 06:06:01 GMT
• ステータス: 翻訳完了
• システム内更新日: 2025-06-18 17:34:59.353589
• Title: Chaining Event Spans for Temporal Relation Grounding
• Title（参考訳）: 時間的関係接地のための連鎖イベントスパーン
• Authors: Jongho Kim, Dohyeon Lee, Minsoo Kim, Seung-won Hwang,
• Abstract要約: 本稿では,2段階の帰納的推論プロセスで動作するタイムライン推論ネットワーク(TRN)について紹介する。 最初のステップモデルでは、まず各質問に意味情報と統語的情報で答える。 次のステップでは、同じイベント上で複数の質問をチェーンしてタイムラインを予測する。
• 参考スコア（独自算出の注目度）: 25.684406002657802
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Accurately understanding temporal relations between events is a critical building block of diverse tasks, such as temporal reading comprehension (TRC) and relation extraction (TRE). For example in TRC, we need to understand the temporal semantic differences between the following two questions that are lexically near-identical: "What finished right before the decision?" or "What finished right after the decision?". To discern the two questions, existing solutions have relied on answer overlaps as a proxy label to contrast similar and dissimilar questions. However, we claim that answer overlap can lead to unreliable results, due to spurious overlaps of two dissimilar questions with coincidentally identical answers. To address the issue, we propose a novel approach that elicits proper reasoning behaviors through a module for predicting time spans of events. We introduce the Timeline Reasoning Network (TRN) operating in a two-step inductive reasoning process: In the first step model initially answers each question with semantic and syntactic information. The next step chains multiple questions on the same event to predict a timeline, which is then used to ground the answers. Results on the TORQUE and TB-dense, TRC and TRE tasks respectively, demonstrate that TRN outperforms previous methods by effectively resolving the spurious overlaps using the predicted timeline.
• Abstract（参考訳）: 事象間の時間的関係を正確に理解することは、時間的読解(TRC)や関係抽出(TRE)といった様々なタスクの重要な構成要素である。 例えば、RTCでは、以下の2つの質問の時間的意味的差異を理解する必要がある。 2つの質問を区別するために、既存のソリューションは、類似した質問と異種な質問とを対比するプロキシラベルとして、回答オーバーラップに依存している。 しかし, 回答重複が信頼できない結果をもたらすのは, 偶然に同じ回答を持つ2つの異種質問の急激な重複が原因である。 そこで本研究では,イベントの時間範囲を予測するために,モジュールを通して適切な推論行動を与える手法を提案する。 本稿では2段階の帰納的推論プロセスで動作しているタイムライン推論ネットワーク(TRN)について紹介する。 次のステップでは、同じイベント上で複数の質問をチェーンしてタイムラインを予測する。 TORQUE と TB-dense, TRC, TRE の各タスクの結果, TRN は予測された時系列を用いてスプリアスオーバーラップを効果的に解消することにより, 従来の手法よりも優れていることを示した。

関連論文リスト

• Chain-of-Probe: Examining the Necessity and Accuracy of CoT Step-by-Step [81.50681925980135]
  モデル推論における心の変化を探索する手法を提案する。 心的変化のパターンを解析することにより,モデルの推論の正しさを検証した。 我々の検証では、最終回答では正しいが、多くの応答が推論プロセスに誤りを含んでいることが明らかになった。
  論文  参考訳（メタデータ） (2024-06-23T15:50:22Z)
• Faithful Temporal Question Answering over Heterogeneous Sources [25.37672008402411]
  最先端の手法は3次元に制限がある。 これらの欠点に対処する時間的QAシステムを提案する。 実験は、一連のベースラインよりも優れたパフォーマンスを示す。
  論文  参考訳（メタデータ） (2024-02-23T16:03:17Z)
• Phrase Retrieval for Open-Domain Conversational Question Answering with Conversational Dependency Modeling via Contrastive Learning [54.55643652781891]
  Open-Domain Conversational Question Answering (ODConvQA)は、マルチターン会話を通じて質問に答えることを目的としている。 そこで本研究では,単語列に対する句検索方式を用いて,回答を直接予測する手法を提案する。
  論文  参考訳（メタデータ） (2023-06-07T09:46:38Z)
• Answering Questions by Meta-Reasoning over Multiple Chains of Thought [53.55653437903948]
  MCR(Multi-Chain Reasoning)は,大規模言語モデルに対して,複数の思考連鎖に対するメタ推論を促す手法である。 MCRは、異なる推論連鎖を調べ、それら間で情報を混合し、説明を生成し、答えを予測する際に最も関係のある事実を選択する。
  論文  参考訳（メタデータ） (2023-04-25T17:27:37Z)
• Learning with Instance Bundles for Reading Comprehension [61.823444215188296]
  質問応答スコアを複数の関連インスタンスで比較する新しい監視手法を提案する。 具体的には、密接に対照的な質問や回答のさまざまな近所でこれらのスコアを正規化します。 2つのデータセット上のインスタンスバンドルによるトレーニングの有効性を実証的に実証する。
  論文  参考訳（メタデータ） (2021-04-18T06:17:54Z)
• A Wrong Answer or a Wrong Question? An Intricate Relationship between Question Reformulation and Answer Selection in Conversational Question Answering [15.355557454305776]
  会話の文脈における質問書き直し(QR)は、この現象により多くの光を放つことができることを示す。 TREC CAsT と QuAC (CANARD) のデータセットを用いて解析を行った。
  論文  参考訳（メタデータ） (2020-10-13T06:29:51Z)
• Match$^2$: A Matching over Matching Model for Similar Question Identification [74.7142127303489]
  コミュニティ質問回答(Community Question Answering, CQA)は,質問や回答の提出を自由に行う,知識獲得のための主要な手段となっている。 類似した質問識別は、CQAの中核的なタスクとなり、新しい質問が尋ねられるたびに、アーカイブされたリポジトリから同様の質問を見つけることを目的としている。 自然言語の固有のバリエーション、すなわち、同じ質問をしたり、同じ表現を共有する異なる質問をする方法があるため、この2つの質問の類似性を適切に測定することは、長い間困難であった。 従来の手法では片側の使用が一般的であり、答えを拡張された表現として活用する。
  論文  参考訳（メタデータ） (2020-06-21T05:59:34Z)
• Do not let the history haunt you -- Mitigating Compounding Errors in Conversational Question Answering [17.36904526340775]
  事前に予測された回答をテスト時に使用すると、複合的なエラーが発生する。 本研究では,目標解とモデル予測を動的に選択するサンプリング戦略を提案する。
  論文  参考訳（メタデータ） (2020-05-12T13:29:38Z)
• Conversational Question Answering over Passages by Leveraging Word Proximity Networks [33.59664244897881]
  CROWNは、経路応答を持つ会話型QAのための教師なしかつ効果的なシステムである。 複数のターンにまたがる複数のコンテキストの伝搬をサポートする。 CROWNはTREC CAsTデータで評価され、ニューラルネットワークのプールにおいて上述の性能を達成した。
  論文  参考訳（メタデータ） (2020-04-27T19:30:47Z)

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。