1Cademy @ Causal News Corpus 2022：通过基于束搜索的位置选择器增强因果跨度检测
计算与语言
2022-11-01 v1
摘要
本文中，我们呈现了用于因果信号跨度检测（Cause-Effect Signal Span Detection）——CASE 2022中Shared task 3的子任务2的方法与经验观察。该共享任务旨在从给定因果句中抽取原因、结果与信号跨度。我们将该任务建模为阅读理解（RC）问题，并应用基于token级RC的跨度预测范式作为基线。我们探索了不同的训练目标以微调模型，以及基于语言模型（LM）的数据增强（DA）技巧以提升性能。此外，我们提出了一种高效的束搜索后处理策略，以应对跨度检测的缺陷从而获得进一步的性能提升。我们的方法取得了54.15的平均分数，并在CASE竞赛中排名\textbf{第1}。我们的代码可见于\url{https://github.com/Gzhang-umich/1CademyTeamOfCASE}。
引用
@article{arxiv.2210.17157,
title = {1Cademy @ Causal News Corpus 2022: Enhance Causal Span Detection via Beam-Search-based Position Selector},
author = {Xingran Chen and Ge Zhang and Adam Nik and Mingyu Li and Jie Fu},
journal= {arXiv preprint arXiv:2210.17157},
year = {2022}
}
备注
paper of CASE workshop in EMNLP 2022