May, 2023

从大型语言模型中收集事件模式

PDF
TL;DR本研究提出了一种利用大规模预训练语言模型进行知识收集的事件模式归纳新范式，即通过采用上下文生成式概念化、置信度感知式模式结构化和基于图的模式聚合的方式，设计了一种名为 ESHer 的事件模式收割机，实现高质量事件模式的自动归纳。实验结果表明，ESHer 在不同领域可以归纳出高质量和高覆盖率的事件模式。
event schemaknowledge harvestingpre-trained language modelsinductionschema aggregation
发现论文，激发创造
  • 使用语言模型起草事件模式

    本研究使用大型语言模型通过自然语言来起草事件模式，之后通过人工技术进行进一步的修订并将事件知识萃取到模式中。通过实验证明，大型语言模型在两个数据集中取得了适当的关键事件回调，并且我们的方法为更轻松地从大型语言模型中提取事件知识提供了可能性。

    May, 2023

  • 基于模型预测的有意识事件提取：分解、增强和提取模式

    本研究聚焦于利用大型语言模型（LLMs）进行自动事件提取，介绍了一种新方法以解决幻觉问题，通过将任务分解为事件检测和事件参数提取，并将动态结构感知的增强检索示例集成到为每个具体查询定制的提示中，从而扩展和适应检索增强生成等先进提示技术。评估结果表明，与基线方法相比，该方法在突出的事件提取基准和合成基准测试中表现出卓越的性能。

    Jun, 2024

  • 零样本即时事件架构归纳

    本篇文章描述了如何利用大型语言模型生成源文件，从而预测和构建描述感兴趣事件的模式，为任何主题生成任何模式，同时展示了这种方法在信息提取和模式推断方面的有效性和高效性。

    Oct, 2022

  • 增量提示和验证的开放域层次事件模式归纳

    通过利用大型语言模型，将事件图谱识别为一种常识性知识形式，并提出一种增量提示和验证方法，可以直接处理事件之间的层次关系和时间关系。相较于其他方法，可以提高 F1 值。

    Jul, 2023

  • 从预训练语言模型中挖掘逻辑事件模式

    本文介绍了 NESL（神经元 - 事件模式学习器），一种事件模式学习系统，它结合了大型语言模型、FrameNet 解析、强大的语言逻辑表示和一组简单的行为模式，旨在引导学习过程。我们表明，谨慎的语言模型抽样可以帮助强调情境的典型特性并淡化不相关的细节，并且所得到的事件模式比其他系统学习到的更加全面。

    Apr, 2022

  • 未来不是单一维度的：通过图模型进行复杂事件模式识别以进行事件预测

    研究介绍了一种基于图的时间复杂事件模式表示方法、事件预测模型及语料库，该模型可以高效地构建和评价图形式的事件模式，并且比线性表示方法更加优越，具备更高的预测能力。

    Apr, 2021

  • 基于提示的图模型用于联合自由事件抽取和事件模式归纳

    事件抽取任务旨在识别和分类事件，并根据事件模式找到其参与者。我们提出了一种基于提示的图模型用于自由事件抽取，该模型使用基于提示的方法获取候选触发器和参数，并构建异构事件图来编码事件内部和事件间的结构。实验结果表明，我们的方法在预定义事件模式下或无预定义事件模式下都能取得出色的性能，并且自动检测到的事件模式质量高。

    Mar, 2024

  • 语义信息驱动的层次化事件建模

    本研究提出了一种新颖的、具有层级结构的半监督事件建模框架，结合序列潜变量模型和本体知识，通过一系列的结构化潜变量层对语义知识进行制导，成功提高事件建模的表现，并在两个数据集上的四种不同评估指标上均优于先前现有的最佳方法。

    Dec, 2022

  • 从大型语言模型中提取事件序列知识

    利用大型语言模型生成事件序列，填补知识图中的知识空白，并通过模式挖掘和概率事件模型发现有用的和更复杂的结构化知识。

    Jan, 2024

  • 大型语言模型的事件推理综合评估

    对 LLMs 的事件推理能力进行了综合评估，发现 LLMs 在事件推理方面的表现仍然不尽如人意。通过发现 LLMs 对事件推理能力存在的不平衡，提出了两种方法来指导 LLMs 利用事件模式知识，并获得了改进。

    Apr, 2024