一种面向跨文档事件共指消解的以理据为中心的反事实数据增强方法
计算与语言
2024-05-09 v2
摘要
基于预训练语言模型（PLMs），事件共指消解（ECR）系统在跨文档聚类共指事件方面展现出了优异的性能。然而，现有系统对输入提及对文本中“触发词词法匹配”这一虚假模式表现出过度依赖。我们使用结构因果模型（SCM）形式化了基线 ECR 系统的决策过程，旨在识别 ECR 任务中的虚假关联与因果关联（即理据）。利用反事实数据增强的去偏能力，我们开发了一种带有 LLM-in-the-loop 的以理据为中心的反事实数据增强方法。该方法专为 ECR 系统中的成对输入而设计，我们对触发词和上下文进行直接干预，以在强调因果关系的同时减轻虚假关联。我们的方法在三个流行的跨文档 ECR 基准上取得了 SOTA 性能，并在域外场景中展现出鲁棒性。
引用
@article{arxiv.2404.01921,
title = {A Rationale-centric Counterfactual Data Augmentation Method for Cross-Document Event Coreference Resolution},
author = {Bowen Ding and Qingkai Min and Shengkun Ma and Yingjie Li and Linyi Yang and Yue Zhang},
journal= {arXiv preprint arXiv:2404.01921},
year = {2024}
}
备注
Accepted to NAACL-24 Main