Semantically-informed Hierarchical Event Modeling

要約

これまでの研究では、逐次潜在変数モデルと意味論的な存在論的知識を組み合わせることで、イベント モデリング アプローチの表現能力を向上できることが示されています。
この研究では、構造的な階層を提供しながら存在論的な階層も考慮する、新しい二重階層の半教師ありイベント モデリング フレームワークを紹介します。
私たちのアプローチは、構造化された潜在変数の複数の層で構成されており、連続する各層が前の層を圧縮して抽象化します。
この圧縮は、イベントのタイプ レベルで定義された構造化されたオントロジー知識の注入を通じて行われます。重要なのは、私たちのモデルでは意味論的知識の部分的な注入が可能であり、意味論的オントロジーの特定のレベルでのインスタンスの観察に依存しないことです。
2 つの異なるデータセットと 4 つの異なる評価指標にわたって、私たちのアプローチが以前の最先端のアプローチを最大 8.5% 上回るパフォーマンスを発揮できることを実証し、イベント モデリングにおける構造化された意味論的な階層的知識の利点を実証しました。

要約(オリジナル)

Prior work has shown that coupling sequential latent variable models with semantic ontological knowledge can improve the representational capabilities of event modeling approaches. In this work, we present a novel, doubly hierarchical, semi-supervised event modeling framework that provides structural hierarchy while also accounting for ontological hierarchy. Our approach consists of multiple layers of structured latent variables, where each successive layer compresses and abstracts the previous layers. We guide this compression through the injection of structured ontological knowledge that is defined at the type level of events: importantly, our model allows for partial injection of semantic knowledge and it does not depend on observing instances at any particular level of the semantic ontology. Across two different datasets and four different evaluation metrics, we demonstrate that our approach is able to out-perform the previous state-of-the-art approaches by up to 8.5%, demonstrating the benefits of structured and semantic hierarchical knowledge for event modeling.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google