日本政治讨论中的论点挖掘级联模型：QA Lab-PoliInfo-3案例研究
计算与语言
2022-07-06 v1
摘要
rVRAIN团队攻克了预算论点挖掘（BAM）任务，该任务由分类与信息检索子任务组合而成。对于论点分类（AC），团队凭借基于BERT的五类级联模型辅以若干手工规则取得了最佳性能。这些规则用于判定表述是否涉及金额。随后，每个金额表述在级联模型的第一层被分类为前提或结论。最后，每个前提被归入三个前提类别，每个结论被归入两个结论类别。对于信息检索（即关系ID检测或RID），我们的最佳结果由基于BERT的二分类器与由金额表述和预算稠密嵌入组成的向量对余弦相似度组合取得。
引用
@article{arxiv.2207.01672,
title = {A Cascade Model for Argument Mining in Japanese Political Discussions: the QA Lab-PoliInfo-3 Case Study},
author = {Ramon Ruiz-Dolz},
journal= {arXiv preprint arXiv:2207.01672},
year = {2022}
}
备注
Proceedings of the 16th NTCIR Conference on Evaluation of Information Access Technologies, June 14-17, 2022 Tokyo Japan