DEGAP: Dual Event-Guided Adaptive Prefixes for Templated-Based Event Argument Extraction with Slot Querying

要約

イベント議論抽出（EAE）の最近の進歩には、トレーニングやイベントテンプレートなどのトレーニングや推論中に有用な補助情報をモデルに組み込むことが含まれます。
これらの方法は、2つの課題に直面しています。（1）検索結果は無関係である可能性があり、（2）テンプレートは、可能性のある関係を考慮せずに各イベントで独立して開発されます。
この作業では、シンプルで効果的なコンポーネントを介してこれらの課題に対処するためにDEGAPを提案します：デュアルプレフィックス、つまり、インスタンス指向のプレフィックスとテンプレート指向のプレフィックスが、さまざまなイベントインスタンスとテンプレートから情報を学習するようにトレーニングされます。
さらに、イベントガイド付きの適応ゲーティングメカニズムを提案します。これにより、異なるイベント間の可能な接続を適応的に活用して、プレフィックスから関連情報をキャプチャできます。
最後に、これらのイベントガイド付きプレフィックスは、検索なしでEAEモデルへのキューとして関連する情報を提供します。
広範な実験は、この方法が4つのデータセット（ACE05、Rams、Wikivents、およびMlee）で新しい最先端のパフォーマンスを達成することを示しています。
さらなる分析により、さまざまなコンポーネントの影響が示されています。

要約(オリジナル)

Recent advancements in event argument extraction (EAE) involve incorporating useful auxiliary information into models during training and inference, such as retrieved instances and event templates. These methods face two challenges: (1) the retrieval results may be irrelevant and (2) templates are developed independently for each event without considering their possible relationship. In this work, we propose DEGAP to address these challenges through a simple yet effective components: dual prefixes, i.e. learnable prompt vectors, where the instance-oriented prefix and template-oriented prefix are trained to learn information from different event instances and templates. Additionally, we propose an event-guided adaptive gating mechanism, which can adaptively leverage possible connections between different events and thus capture relevant information from the prefix. Finally, these event-guided prefixes provide relevant information as cues to EAE model without retrieval. Extensive experiments demonstrate that our method achieves new state-of-the-art performance on four datasets (ACE05, RAMS, WIKIEVENTS, and MLEE). Further analysis shows the impact of different components.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google