一种用于语义角色标注的跨度选择模型
计算与语言
2018-10-05 v1
摘要
我们提出一种简单而准确的基于跨度的语义角色标注（SRL）模型。我们的模型直接考虑所有可能的论元跨度，并为每个标签对其打分。在解码时，我们贪心地选择得分较高的带标签跨度。我们模型的一个优势是允许我们设计和使用跨度级特征，这些特征在基于 token 的 BIO 标注方法中难以使用。实验结果表明，我们的集成模型在 CoNLL-2005 与 2012 数据集上分别取得了 87.4 F1 与 87.0 F1 的当前最优（state-of-the-art）结果。
引用
@article{arxiv.1810.02245,
title = {A Span Selection Model for Semantic Role Labeling},
author = {Hiroki Ouchi and Hiroyuki Shindo and Yuji Matsumoto},
journal= {arXiv preprint arXiv:1810.02245},
year = {2018}
}
备注
Accepted by EMNLP 2018