ACE-2005-PT：面向葡萄牙语事件抽取的语料库
计算与语言
2024-09-02 v1 人工智能
摘要
事件抽取是一项 NLP 任务，通常涉及识别文本中事件的中心词（触发词）及其关联的论元。ACE-2005 被广泛公认为该领域的标准语料库。虽然其他语料库（如 PropBank）主要侧重于标注谓词-论元结构，但 ACE-2005 提供了关于整体事件结构和语义的综合信息。然而，其有限的语言覆盖范围限制了其可用性。本文介绍了 ACE-2005-PT，这是一个通过将 ACE-2005 翻译成葡萄牙语（含欧洲和巴西变体）而创建的语料库。为了加快获取 ACE-2005-PT 的过程，我们依赖于自动翻译器。然而，这在自动识别原始文本中的多词标注与对应翻译句子之间的正确对齐方面带来了一些挑战。为此，我们开发了一个融合多种对齐技术的对齐流水线：词形还原、模糊匹配、同义词匹配、多重翻译以及基于 BERT 的词对齐器。为了衡量对齐效果，语言学专家对 ACE-2005-PT 语料库中的一个标注子集进行了人工对齐。然后将该子集与我们的流水线结果进行比较，其精确匹配得分和宽松匹配得分分别为 70.55% 和 87.55%。最终，我们成功生成了 ACE-2005 语料库的葡萄牙语版本，该版本已被 LDC 接受发表。
引用
@article{arxiv.2408.16928,
title = {ACE-2005-PT: Corpus for Event Extraction in Portuguese},
author = {Luís Filipe Cunha and Purificação Silvano and Ricardo Campos and Alípio Jorge},
journal= {arXiv preprint arXiv:2408.16928},
year = {2024}
}