Argument-Aware Approach To Event Linking

要約

イベント リンクは、テキスト内のイベントの言及をナレッジ ベース (KB) 内の関連ノードに接続します。
イベント リンクに関するこれまでの研究では、主にエンティティ リンクから手法を借用しており、イベントの明確な特徴が見落とされていました。
広範囲に調査されたエンティティ リンク タスクと比較して、イベントはより複雑な構造を持ち、関連する引数を調べることでより効果的に区別できます。
さらに、イベントには情報が豊富な性質があるため、イベント KB が不足します。
これは、ナレッジベースにないイベントの言及を「ナレッジベース外」として識別し、分類するためのイベントリンクモデルの必要性を強調しており、この領域はあまり注目されていません。
この研究では、議論を意識したアプローチを導入することで、これらの課題に取り組みます。
まず、入力テキストにタグ付けされたイベント引数情報を追加することでイベント リンク モデルを改善し、イベントの言及に関する重要な情報の認識を容易にします。
続いて、モデルが「KB 外部」シナリオを処理できるようにするために、イベント引数の制御された操作を通じて KB 内のインスタンスから KB 外部のトレーニング サンプルを合成します。
2 つのテスト データセットにわたる実験では、KB 内シナリオと KB 外部シナリオの両方で大幅な強化が示され、KB 外部評価では 22% の顕著な改善が見られました。

要約(オリジナル)

Event linking connects event mentions in text with relevant nodes in a knowledge base (KB). Prior research in event linking has mainly borrowed methods from entity linking, overlooking the distinct features of events. Compared to the extensively explored entity linking task, events have more complex structures and can be more effectively distinguished by examining their associated arguments. Moreover, the information-rich nature of events leads to the scarcity of event KBs. This emphasizes the need for event linking models to identify and classify event mentions not in the KB as “out-of-KB,” an area that has received limited attention. In this work, we tackle these challenges by introducing an argument-aware approach. First, we improve event linking models by augmenting input text with tagged event argument information, facilitating the recognition of key information about event mentions. Subsequently, to help the model handle “out-of-KB” scenarios, we synthesize out-of-KB training examples from in-KB instances through controlled manipulation of event arguments. Our experiment across two test datasets showed significant enhancements in both in-KB and out-of-KB scenarios, with a notable 22% improvement in out-of-KB evaluations.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google