論文の概要: A Scalable Cross-Domain Event Extraction System via a Unified Generative Training Framework

• arxiv url: http://arxiv.org/abs/2608.23261v1
• Date: Mon, 24 Aug 2026 13:51:03 GMT
• ステータス: 翻訳完了
• システム内更新日: 2026-08-25 18:24:37.011616
• Title: A Scalable Cross-Domain Event Extraction System via a Unified Generative Training Framework
• Title（参考訳）: 統合生成学習フレームワークによるスケーラブルなクロスドメインイベント抽出システム
• Abstract要約: 本稿では,イベント抽出サブタスクを協調的に行う統合生成シーケンス・ツー・シーケンス・フレームワークを提案する。 さまざまなドメインにわたる複数のイベントデータセット上で、事前トレーニングされた言語モデルを微調整します。 研究者や実践者向けにカスタマイズされたWebベースのアプリケーションを通じて、これらの機能を実証する。
• 参考スコア（独自算出の注目度）: 3.816538153840492
• License: http://creativecommons.org/licenses/by-sa/4.0/
• Abstract: Event extraction is fundamental to information extraction. Prior approaches often separate event detection and argument extraction or depend on dataset-specific designs, limiting scalability and cross-domain generalization. We propose a unified generative sequence-to-sequence framework that performs event extraction subtasks jointly and supports both pipeline and end-to-end configurations. We fine-tune pretrained language models on multiple event datasets across diverse domains, enabling a single model to retain domain-specific semantics while generalizing over large and evolving label spaces. We demonstrate these capabilities through a web-based application tailored for researchers and practitioners. The platform supports document upload, schema-aware event extraction, visualization of triggers and arguments, and comparison of different extraction configurations across domains.
• Abstract（参考訳）: イベント抽出は情報抽出の基本である。 以前のアプローチでは、しばしばイベント検出と引数抽出を分離するか、あるいはデータセット固有の設計に依存し、スケーラビリティとドメイン間の一般化を制限する。 本稿では、イベント抽出サブタスクを協調的に実行し、パイプラインとエンドツーエンドの両方の構成をサポートする統合生成シーケンス・ツー・シーケンスフレームワークを提案する。 さまざまなドメインにわたる複数のイベントデータセット上で事前トレーニングされた言語モデルを微調整し、単一のモデルでドメイン固有のセマンティクスを維持しながら、大規模で進化するラベル空間を一般化することを可能にする。 研究者や実践者向けにカスタマイズされたWebベースのアプリケーションを通じて、これらの機能を実証する。 このプラットフォームはドキュメントのアップロード、スキーマ対応イベント抽出、トリガと引数の可視化、ドメイン間の異なる抽出構成の比較をサポートする。

関連論文リスト

• A Multi-Domain and Multi-Task Generative Framework with Explicit Task and Domain Conditioning for Cross-Domain Event Extraction [4.169293754839175]
  イベント抽出は、イベントトリガを特定し、イベントタイプを分類し、構造化されたイベント表現を構築するために引数を抽出することを目的としている。 単一モデル内で異種イベントスキーマをモデル化する統合型マルチドメイン・マルチタスクトレーニングフレームワークを提案する。
  論文  参考訳（メタデータ） (2026-08-24T13:24:24Z)
• Unified Video Dense Prediction from Disjoint Data [71.9957801898161]
  深度,表面正規度,セマンティックセグメンテーション,境界,人的部分,アルベド,シェーディング,素材の8つの密集したシーン特性を共同で予測する統合ビデオモデルUniDを紹介する。 本稿では,タスクプロジェクタを介し,タスク毎の専門家が統一されたバックボーンを監督する簡易かつ効果的な蒸留手順を提案する。 UniDは、タスクごとのスペシャリストやマルチタスクベースラインと競合するパフォーマンスを実現している。
  論文  参考訳（メタデータ） (2026-07-23T17:59:50Z)
• Human-in-Context: Unified Cross-Domain 3D Human Motion Modeling via In-Context Learning [64.30639042094548]
  単一プロセスを通じて統合ドメインモデルをトレーニングするための新しい設定を提案する。 最初にPose-in-Context(PiC)を紹介した。これはコンテキスト内学習を活用して、ポーズ中心のクロスドメインモデルを作成する。 そこで我々は、モーダル性、タスク、データセットの一般化を拡大するPiCの拡張であるHuman-in-Context(HiC)を提案する。
  論文  参考訳（メタデータ） (2025-08-14T17:59:23Z)
• PanMatch: Unleashing the Potential of Large Vision Models for Unified Matching Models [80.65273820998875]
  頑健な対応マッチングのための汎用基盤モデルであるPanMatchを提案する。 我々の重要な洞察は、任意の2フレーム対応タスクが2次元変位推定フレームワーク内で処理可能であることである。 PanMatchは、偏差推定アルゴリズムを前例のない一般化能力で実現し、マルチタスク統合を実現する。
  論文  参考訳（メタデータ） (2025-07-11T08:18:52Z)
• Multi-Source (Pre-)Training for Cross-Domain Measurement, Unit and Context Extraction [15.177664715250046]
  本稿では,事前学習言語モデルに基づく自動計測と文脈抽出のためのクロスドメイン手法を提案する。 マルチソース・マルチドメイン・コーパスを構築し,エンドツーエンド抽出パイプラインを訓練する。 結果から,マルチソーストレーニングが最高の結果をもたらすのに対して,シングルソーストレーニングは各ドメインに対して最高の結果をもたらすことが示唆された。
  論文  参考訳（メタデータ） (2023-08-05T20:33:39Z)
• Token-Event-Role Structure-based Multi-Channel Document-Level Event Extraction [15.02043375212839]
  本稿では,トークン・イベント・ロールと呼ばれる新しいデータ構造を取り入れた,文書レベルのイベント抽出のための新しいフレームワークを提案する。 提案したデータ構造により,複数のイベントにおけるトークンの主要な役割を明らかにすることができ,イベント関係のより包括的な理解が容易になる。 その結果,本手法はF1スコアの9.5ポイント向上した。
  論文  参考訳（メタデータ） (2023-06-30T15:22:57Z)
• Query and Extract: Refining Event Extraction as Type-oriented Binary Decoding [51.57864297948228]
  本稿では,自然言語クエリとしてイベントタイプと引数ロールを取り入れた新しいイベント抽出フレームワークを提案する。 我々のフレームワークは、イベントタイプや引数ロールと入力テキストとのセマンティックな相関をよりよく捉えるための注意機構の恩恵を受ける。
  論文  参考訳（メタデータ） (2021-10-14T15:49:40Z)
• X2Parser: Cross-Lingual and Cross-Domain Framework for Task-Oriented Compositional Semantic Parsing [51.81533991497547]
  タスク指向コンポジションセマンティックパーシング(TCSP)は複雑なネストされたユーザクエリを処理する。 本報告では,TCSPの変換可能なクロスランガルとクロスドメインを比較した。 本稿では,フラット化意図とスロット表現を別々に予測し,両方の予測タスクをシーケンスラベリング問題にキャストすることを提案する。
  論文  参考訳（メタデータ） (2021-06-07T16:40:05Z)
• WikiAsp: A Dataset for Multi-domain Aspect-based Summarization [69.13865812754058]
  マルチドメインアスペクトベースの要約のための大規模データセットであるWikiAspを提案する。 具体的には、アスペクトアノテーションのプロキシとして、各記事のセクションタイトルとバウンダリを使用して、20の異なるドメインからウィキペディア記事を使用してデータセットを構築します。 その結果,既存の要約モデルがこの設定で直面する重要な課題,例えば引用されたソースの適切な代名詞処理,時間に敏感なイベントの一貫した説明などが浮き彫りになった。
  論文  参考訳（メタデータ） (2020-11-16T10:02:52Z)

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。