Zero-shot Temporal Relation Extraction with ChatGPT

要約

タイトル：ChatGPTによるゼロショットの時間関係抽出

要約：
– 時間関係抽出の目的は、文書内の二つのイベント間の時間的関係を推論することである。
– 監視されたモデルがこのタスクで優勢である。
– この研究では、ゼロショットの時間関係抽出におけるChatGPTの能力を調査した。
– タスクを分解するための3つの異なるプロンプト技術を設計し、ChatGPTを評価した。
– 私たちの実験は、ChatGPTの性能が監視された方法との大きな差があり、プロンプトの設計に重点を置くことができることを示している。
– さらに、ChatGPTは監視された方法よりも小さな関係クラスを正確に推論することができることを示した。
– この論文ではChatGPTの現在の時間関係抽出における欠点も議論している。
– 私たちは、ChatGPTが時間推論中に一貫性を保てず、長期依存の時間推論で失敗することが分かった。

要約(オリジナル)

The goal of temporal relation extraction is to infer the temporal relation between two events in the document. Supervised models are dominant in this task. In this work, we investigate ChatGPT’s ability on zero-shot temporal relation extraction. We designed three different prompt techniques to break down the task and evaluate ChatGPT. Our experiments show that ChatGPT’s performance has a large gap with that of supervised methods and can heavily rely on the design of prompts. We further demonstrate that ChatGPT can infer more small relation classes correctly than supervised methods. The current shortcomings of ChatGPT on temporal relation extraction are also discussed in this paper. We found that ChatGPT cannot keep consistency during temporal inference and it fails in actively long-dependency temporal inference.

arxiv情報

提供元, 利用サービス

arxiv.jp, OpenAI