Comprehensive Event Representations using Event Knowledge Graphs and Natural Language Processing

要約

最近の研究では、自然言語理解、質問応答、レコメンデーション システム、およびその他のタスクに対する知識認識アプローチが利用されています。
これらのアプローチは、適切に構築された大規模なナレッジ グラフに依存しています。これは、多くのダウンストリーム アプリケーションに役立ち、常識的な推論でナレッジ認識モデルを強化します。
このようなナレッジ グラフは、関係抽出やナレッジ グラフの完成などの知識獲得タスクを通じて構築されます。
この作業は、自然言語処理 (NLP) の分野からの発見を使用してテキストから知識を抽出し、知識グラフを作成する、増え続ける作業を利用して構築することを目指しています。
この研究プロジェクトの焦点は、トランスフォーマーベースのアプローチを使用してイベント情報を抽出およびコンテキスト化し、それを既存のオントロジーと照合して、グラフベースのイベント表現の包括的な知識を構築する方法にあります。
特に、サブイベント抽出は、サブイベント対応のイベント表現を作成する方法として使用されます。
これらのイベントの表現は、きめ細かい位置抽出によってさらに強化され、歴史的に関連する引用を並べることによって文脈化されます。

要約(オリジナル)

Recent work has utilised knowledge-aware approaches to natural language understanding, question answering, recommendation systems, and other tasks. These approaches rely on well-constructed and large-scale knowledge graphs that can be useful for many downstream applications and empower knowledge-aware models with commonsense reasoning. Such knowledge graphs are constructed through knowledge acquisition tasks such as relation extraction and knowledge graph completion. This work seeks to utilise and build on the growing body of work that uses findings from the field of natural language processing (NLP) to extract knowledge from text and build knowledge graphs. The focus of this research project is on how we can use transformer-based approaches to extract and contextualise event information, matching it to existing ontologies, to build a comprehensive knowledge of graph-based event representations. Specifically, sub-event extraction is used as a way of creating sub-event-aware event representations. These event representations are then further enriched through fine-grained location extraction and contextualised through the alignment of historically relevant quotes.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google