面向端到端隐喻检测的对抗多任务学习
计算与语言
2023-05-29 v1
摘要
隐喻检测（MD）受限于训练数据不足。本文中，我们从一个称为隐喻识别程序的语言学规则出发，进而提出一种新颖的多任务学习框架，将基本义项判别（BSD）中的知识迁移到 MD。BSD 由词义消歧（WSD）构建，而 WSD 拥有大量数据。我们利用对抗训练将 MD 与 BSD 的数据分布对齐于同一特征空间，从而可学习任务不变表示。为捕捉细粒度对齐模式，我们利用了 MD 与 BSD 的多模态结构。我们的方法完全端到端，并能缓解 MD 中的数据稀缺问题。在四个公开数据集上报告了具竞争力的结果。我们的代码与数据集已公开。
引用
@article{arxiv.2305.16638,
title = {Adversarial Multi-task Learning for End-to-end Metaphor Detection},
author = {Shenglong Zhang and Ying Liu},
journal= {arXiv preprint arXiv:2305.16638},
year = {2023}
}
备注
Findings of ACL 2023 Accepted