ABCD：一种将复杂句转换为简单句覆盖集的图框架
计算与语言
2021-07-01 v1 人工智能
机器学习
摘要
原子子句是理解复杂句的基本文本单元。识别复杂句内的原子句子对于摘要、论点挖掘、话语分析、话语解析和问答等应用十分重要。以往工作主要依赖基于规则的方法且依赖于句法解析。我们提出一项新任务，将每个复杂句分解为源自源句中时态子句的简单句，并给出一种作为图编辑任务的新问题形式化。我们的神经模型学习接受、拆分、复制或丢弃结合词邻接与语法依赖关系的图中的元素。完整处理流程包括图构建、图编辑以及从输出图生成句子的模块。我们引入 DeSSE，一个用于训练和评估复杂句分解的新数据集，以及 MinWiki，即 MinWikiSplit 的一个子集。ABCD 在 MinWiki 上取得了与两个解析基线相当的性能。在复杂句类型分布更均衡的 DeSSE 上，我们的模型在原子句子数量上的准确率高于一个编码器-解码器基线。结果包含详细的错误分析。
引用
@article{arxiv.2106.12027,
title = {ABCD: A Graph Framework to Convert Complex Sentences to a Covering Set of Simple Sentences},
author = {Yanjun Gao and Ting-hao Huang and Rebecca J. Passonneau},
journal= {arXiv preprint arXiv:2106.12027},
year = {2021}
}
备注
To appear in the proceeding of 59th Annual Meeting of the Association for Computational Linguistics (ACL 2021) Main Conference