面向多级隐式篇章关系识别的标签依赖感知序列生成模型
计算与语言
2021-12-23 v1
摘要
隐式篇章关系识别（IDRR）是篇章分析中一项具有挑战性但至关重要的任务。大多数现有方法训练多个模型独立预测多级标签，忽略了层次化结构标签之间的依赖关系。本文将多级 IDRR 视为条件标签序列生成任务，并为此提出标签依赖感知序列生成模型（LDSGM）。具体而言，我们首先设计标签注意力编码器来学习输入实例的全局表示及其层级特定上下文，其中集成了标签依赖以获得更好的标签嵌入。然后，我们采用标签序列解码器以自顶向下的方式输出预测标签，其中已预测的高层标签被直接用于指导当前层的标签预测。我们进一步提出互学习增强训练方法，以自底向上的方向利用标签依赖，该依赖由训练期间引入的辅助解码器捕获。在 PDTB 数据集上的实验结果表明，我们的模型在多级 IDRR 上达到了最先进的性能。我们将在 https://github.com/nlpersECJTU/LDSGM 发布代码。
引用
@article{arxiv.2112.11740,
title = {A Label Dependence-aware Sequence Generation Model for Multi-level Implicit Discourse Relation Recognition},
author = {Changxing Wu and Liuwen Cao and Yubin Ge and Yang Liu and Min Zhang and Jinsong Su},
journal= {arXiv preprint arXiv:2112.11740},
year = {2021}
}
备注
Accepted at AAAI 2022