SPEECH: Structured Prediction with Energy-Based Event-Centric Hyperspheres

要約

イベント中心の構造化予測には、イベントの構造化された出力の予測が含まれます。
ほとんどの NLP の場合、イベントの構造は多様な依存関係を伴う複雑なものであり、これらの複雑な構造のイベントを効果的に表現することは困難です。
これらの問題に対処するために、エネルギーベースのイベント中心の超球体 (SPEECH) を使用した構造化予測を提案します。
SPEECH は、エネルギーベースのモデリングを使用してイベント構造化コンポーネント間の複雑な依存関係をモデル化し、シンプルだが効果的な超球体でイベント クラスを表現します。
2 つの統一アノテーション付きイベント データセットの実験では、SPEECH がイベント検出タスクとイベント関係抽出タスクにおいて優勢であることが示されています。

要約(オリジナル)

Event-centric structured prediction involves predicting structured outputs of events. In most NLP cases, event structures are complex with manifold dependency, and it is challenging to effectively represent these complicated structured events. To address these issues, we propose Structured Prediction with Energy-based Event-Centric Hyperspheres (SPEECH). SPEECH models complex dependency among event structured components with energy-based modeling, and represents event classes with simple but effective hyperspheres. Experiments on two unified-annotated event datasets indicate that SPEECH is predominant in event detection and event-relation extraction tasks.

arxiv情報

提供元, 利用サービス

arxiv.jp, Google