論文の概要: Narrative-UFET: Narrative Generation for Ultra-Fine Entity Typing

• arxiv url: http://arxiv.org/abs/2606.27598v1
• Date: Thu, 25 Jun 2026 23:04:05 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-06-29 18:24:25.324821
• Title: Narrative-UFET: Narrative Generation for Ultra-Fine Entity Typing
• Title（参考訳）: ナラティブUFET:超単一エンティティ型のためのナラティブ生成
• Abstract要約: 超微細エンティティタイピングの制御拡張であるNarrative-UFETを提案する。 各エンティティの言及は、自動的に生成された短く一貫性のある物語とペアリングされる。 文レベルのベースラインよりも長い尾の型が一貫した改善をもたらすことを示す。
• 参考スコア（独自算出の注目度）: 5.212422366231854
• License: http://creativecommons.org/licenses/by/4.0/
• Abstract: Ultra-fine entity typing (UFET) assigns highly specific types to entity mentions, but current approaches struggle with types in the long tail. We hypothesize that a key limitation is the reliance on sentence-level context, since disambiguating evidence is often spread across multiple sentences. Testing this has been difficult because all existing UFET resources are sentence-level. We present Narrative-UFET, a controlled extension of UFET in which each entity mention is paired with an automatically generated short, coherent narrative. Synthesizing narratives lets us isolate the effect of specific discourse properties. We experiment with two paired variants: one in which the entity's type is held constant across the narrative (Maintain) and one in which it shifts (Change). We show that narrative context yields consistent improvements on long-tail types over sentence-level baselines, with the Change variant providing the stronger signal. A comparison against naturally occurring contexts shows that synthetic narratives yield stronger gains, indicating that controlled discourse construction can surface signals that real text leaves implicit. Substantial room for improvement remains, suggesting open directions in both discourse modeling and narrative construction.
• Abstract（参考訳）: UFET(Ultra-fine entity typing)はエンティティ参照に非常に特殊な型を割り当てるが、現在のアプローチは長い尾の型と競合する。 曖昧な証拠はしばしば複数の文に散らばっているので、重要な制限は文レベルの文脈に依存しているという仮説を立てる。 既存のUFETリソースはすべて文レベルであるため、このテストは難しい。 本稿では,UFETの制御拡張であるNarrative-UFETについて述べる。 物語を合成することで、特定の談話特性の効果を分離できる。 1つは、エンティティの型が物語全体にわたって一定に保たれているもの(マインテン)と、もう1つはシフトしているもの(チャンジ)である。 文レベルのベースラインよりも長い尾の型が一貫した改善をもたらすことを示す。 自然発生の文脈と比較すると、合成的物語がより強力な利得をもたらすことが示され、制御された談話構成が実際のテキストが暗黙的に残す信号を表面化できることが示される。 改善のための実質的な部屋は残っており、談話モデルと物語構築の両方においてオープンな方向を示唆している。

関連論文リスト

• NOAH: Benchmarking Narrative Prior driven Hallucination and Omission in Video Large Language Models [8.6767620170781]
  ビデオ大言語モデル(ビデオLLM)は、最近、キャプション、要約、質問応答といったタスクにおいて、強力なパフォーマンスを実現している。 多くのモデルやトレーニング手法は、物語の一貫性を高めるためにイベント間の連続性を明示的に奨励する。 我々は、このバイアスを、物語を先に呼ぶ2つの誤りの鍵となる要因として挙げる:幻覚(幻覚)、非存在事象、または既存の事象が誤って解釈される場合、そして、事実事象が周囲の状況と不一致しているため抑制される場合である。
  論文  参考訳（メタデータ） (2025-11-09T17:41:11Z)
• Narrative Shift Detection: A Hybrid Approach of Dynamic Topic Models and Large Language Models [0.4649452333875421]
  本稿では,大規模言語モデルの言語理解能力と話題モデルの大規模適用性を組み合わせて,時間的変化を動的にモデル化する手法を提案する。 私たちは2009年から2023年まで、The Wall Street Journalのニュース記事のコーパスにパイプラインを採用しています。
  論文  参考訳（メタデータ） (2025-06-25T09:25:15Z)
• DiscoSum: Discourse-aware News Summarization [79.4884227574627]
  本稿では,談話構造を要約プロセスに統合するための新しいアプローチを提案する。 本稿では,ソーシャルメディアプラットフォーム間で,ニュース記事が複数回,異なる方法で要約される新しい要約データセットを提案する。 本研究では、要約構造を記述するための新しいニュース談話スキーマと、構造認識要約にビームサーチ技術を用いる新しいアルゴリズムであるディスコサムを開発する。
  論文  参考訳（メタデータ） (2025-06-07T22:00:30Z)
• Neural models for Factual Inconsistency Classification with Explanations [17.214921274113284]
  言語学における既存の作業を活用して、5種類の事実的矛盾を定義する。 我々はニューラルネットワークをトレーニングし、(定義、文脈)文ペアを与えられた説明で不整合型を予測する。 提案手法は,5つのクラスにまたがる不整合型分類において87%の重み付きF1を提供する。
  論文  参考訳（メタデータ） (2023-06-15T06:06:50Z)
• Generating Coherent Narratives by Learning Dynamic and Discrete Entity States with a Contrastive Framework [68.1678127433077]
  我々はトランスフォーマーモデルを拡張して,物語生成のためのエンティティ状態更新と文実現を動的に行う。 2つのナラティブデータセットの実験により、我々のモデルは強いベースラインよりも一貫性があり多様なナラティブを生成できることが示された。
  論文  参考訳（メタデータ） (2022-08-08T09:02:19Z)
• Contextualized Semantic Distance between Highly Overlapped Texts [85.1541170468617]
  テキスト編集や意味的類似性評価といった自然言語処理タスクにおいて、ペア化されたテキストに重複が頻繁に発生する。 本稿では,マスク・アンド・予測戦略を用いてこの問題に対処することを目的とする。 本稿では,最も長い単語列の単語を隣接する単語とみなし,その位置の分布を予測するためにマスク付き言語モデリング(MLM)を用いる。 セマンティックテキスト類似性の実験では、NDDは様々な意味的差異、特に高い重なり合うペアテキストに対してより敏感であることが示されている。
  論文  参考訳（メタデータ） (2021-10-04T03:59:15Z)
• Narrative Incoherence Detection [76.43894977558811]
  本稿では,文間セマンティック理解のための新たなアリーナとして,物語不整合検出の課題を提案する。 複数文の物語を考えると、物語の流れに意味的な矛盾があるかどうかを決定します。
  論文  参考訳（メタデータ） (2020-12-21T07:18:08Z)
• Paragraph-level Commonsense Transformers with Recurrent Memory [77.4133779538797]
  物語からコヒーレントなコモンセンス推論を生成するために,段落レベルの情報を含む談話認識モデルを訓練する。 以上の結果から,PARA-COMETは文レベルのベースライン,特にコヒーレントかつ新規な推論に優れていた。
  論文  参考訳（メタデータ） (2020-10-04T05:24:12Z)
• Temporal Embeddings and Transformer Models for Narrative Text Understanding [72.88083067388155]
  キャラクタ関係モデリングのための物語テキスト理解のための2つのアプローチを提案する。 これらの関係の時間的進化は動的単語埋め込みによって説明され、時間とともに意味的変化を学ぶように設計されている。 最新の変換器モデルBERTに基づく教師付き学習手法を用いて文字間の静的な関係を検出する。
  論文  参考訳（メタデータ） (2020-03-19T14:23:12Z)

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。