用于隐式篇章关系分类的对抗性连接词利用网络
计算与语言
2017-04-04 v1 人工智能
机器学习
机器学习
摘要
隐式篇章关系分类由于缺乏作为强语言线索的连接词而极具挑战，这促使使用标注的隐式连接词来改进识别。我们提出一个特征模仿框架，其中隐式关系网络被驱动去从另一个可访问连接词的神经网络学习，从而被鼓励提取类似的显著特征以进行准确分类。我们开发了一种对抗模型，通过隐式网络与对手特征判别器之间的竞争来实现自适应模仿方案。我们的方法将连接词的可分性有效迁移到隐式特征，并在 PDTB 基准上达到最先进性能。
引用
@article{arxiv.1704.00217,
title = {Adversarial Connective-exploiting Networks for Implicit Discourse Relation Classification},
author = {Lianhui Qin and Zhisong Zhang and Hai Zhao and Zhiting Hu and Eric P. Xing},
journal= {arXiv preprint arXiv:1704.00217},
year = {2017}
}
备注
To appear in ACL2017