代词共指消解近期发展的简要综述与比较研究
计算与语言
2020-09-29 v1
摘要
代词共指消解（PCR）是将代词表达式解析到其所指所有提及项的任务。与通用共指消解任务相比，PCR的主要挑战在于共指关系预测而非提及检测。作为自然语言理解（NLU）的一个重要组成部分，代词消解对许多下游任务至关重要，且对现有模型而言仍具挑战性，这促使我们调研现有方法并思考如何做得更好。在本综述中，我们首先介绍普通代词共指消解任务的代表性数据集与模型。然后我们聚焦于困难代词共指消解问题（如Winograd Schema Challenge）的近期进展，以分析当前模型对常识的理解程度。我们进行了大量实验，表明尽管当前模型在标准评测集上取得了良好性能，它们仍不足以用于实际应用（例如，所有SOTA模型都难以将代词正确解析为不常见对象）。所有实验代码可在 https://github.com/HKUST-KnowComp/PCR 获取。
引用
@article{arxiv.2009.12721,
title = {A Brief Survey and Comparative Study of Recent Development of Pronoun Coreference Resolution},
author = {Hongming Zhang and Xinran Zhao and Yangqiu Song},
journal= {arXiv preprint arXiv:2009.12721},
year = {2020}
}