Beyond Single-Event Extraction: Towards Efficient Document-Level Multi-Event Argument Extraction

要約

最近の主流のイベント引数抽出手法は、各イベントを個別に処理するため、非効率的な推論となり、複数のイベント間の相関が無視される。これらの限界に対処するために、文書内の全てのイベントから同時に引数を抽出することができる複数イベント引数抽出モデルDEEIA（Dependency-guided Encoding and Event-specific Information Aggregation）を提案する。DEモジュールはプロンプトと対応するイベントコンテキストとの相関を改善するように設計されており、一方EIAモジュールはコンテキスト理解を改善するためにイベント固有の情報を提供する。広範な実験により、本手法は4つの公開データセット（RAMS、WikiEvents、MLEE、ACE05）において、ベースラインと比較して推論時間を大幅に短縮しながら、最先端の性能を達成することが示された。更なる分析により、提案モジュールの有効性を実証する。

要約(オリジナル)

Recent mainstream event argument extraction methods process each event in isolation, resulting in inefficient inference and ignoring the correlations among multiple events. To address these limitations, here we propose a multiple-event argument extraction model DEEIA (Dependency-guided Encoding and Event-specific Information Aggregation), capable of extracting arguments from all events within a document simultaneouslyThe proposed DEEIA model employs a multi-event prompt mechanism, comprising DE and EIA modules. The DE module is designed to improve the correlation between prompts and their corresponding event contexts, whereas the EIA module provides event-specific information to improve contextual understanding. Extensive experiments show that our method achieves new state-of-the-art performance on four public datasets (RAMS, WikiEvents, MLEE, and ACE05), while significantly saving the inference time compared to the baselines. Further analyses demonstrate the effectiveness of the proposed modules.

arxiv情報

提供元, 利用サービス

arxiv.jp, DeepL