Beyond Pairwise: Global Zero-shot Temporal Graph Generation

要約

時間関係抽出（TRE）は、ドキュメント内のイベント間の時間的関係を特定することを含む、自然言語処理（NLP）の基本的なタスクです。
大規模な言語モデル（LLMS）の進歩にもかかわらず、TREへの適用は依然として限られています。
既存のアプローチのほとんどは、イベントペアが単独で分類されているペアワイズ分類に依存しており、計算の非効率性と結果として得られる時間グラフのグローバルな一貫性の欠如につながります。
この作業では、ドキュメントの完全な時間グラフを1つのステップで生成するTREの新しいゼロショット方法を提案し、その後、予測を改善し、関係全体の時間的一貫性を強制するための時間的制約最適化が続きます。
さらに、ドキュメント内のターゲットイベントのすべてのペアに完全な注釈を備えた新しいデータセットであるOmnitempを紹介します。
実験と分析を通じて、私たちの方法は、既存のゼロショットアプローチを上回り、監視されたTREモデルに競争力のある代替品を提供することを実証します。

要約(オリジナル)

Temporal relation extraction (TRE) is a fundamental task in natural language processing (NLP) that involves identifying the temporal relationships between events in a document. Despite the advances in large language models (LLMs), their application to TRE remains limited. Most existing approaches rely on pairwise classification, where event pairs are classified in isolation, leading to computational inefficiency and a lack of global consistency in the resulting temporal graph. In this work, we propose a novel zero-shot method for TRE that generates a document’s complete temporal graph in a single step, followed by temporal constraint optimization to refine predictions and enforce temporal consistency across relations. Additionally, we introduce OmniTemp, a new dataset with complete annotations for all pairs of targeted events within a document. Through experiments and analyses, we demonstrate that our method outperforms existing zero-shot approaches and offers a competitive alternative to supervised TRE models.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google