面向空间关系抽取的归类与生成混合模型
计算与语言
2022-08-16 v1
摘要
从文本中抽取空间关系是自然语言理解的一项基础任务，以往研究仅将其视为分类任务，忽略了那些因信息匮乏而具有空角色的空间关系。为解决上述问题，我们首先将空间关系抽取视为生成任务，并提出了一种用于该任务的新颖混合模型 HMCGR。HMCGR 包含一个生成模型和一个分类模型，前者可生成那些空角色关系，后者可抽取那些非空角色关系以相互补充。此外，基于空间关系的反身性原理，应用了一种反身性评测机制以进一步提高准确率。在 SpaceEval 上的实验结果表明，HMCGR 显著优于 SOTA 基线。
引用
@article{arxiv.2208.06961,
title = {A Hybrid Model of Classification and Generation for Spatial Relation Extraction},
author = {Feng Wang Peifeng Li and Qiaoming Zhu},
journal= {arXiv preprint arXiv:2208.06961},
year = {2022}
}