AMORE-UPF 在 SemEval-2018 任务 4 中的系统：带实体库的 BiLSTM
计算与语言
2018-05-16 v1
摘要
本文描述了我们在 SemEval 2018 任务 4（多方对话中的角色识别）中获胜的方案。它是一个简单、标准的模型，带有一项关键创新——实体库。我们的结果表明，这一创新极大地促进了不常出现角色的识别。由于我们的模型具有通用性质，这一发现对于任何需要从稀疏或不平衡数据中有效学习的任务都具有潜在相关性。
引用
@article{arxiv.1805.05370,
title = {AMORE-UPF at SemEval-2018 Task 4: BiLSTM with Entity Library},
author = {Laura Aina and Carina Silberer and Ionut-Teodor Sorodoc and Matthijs Westera and Gemma Boleda},
journal= {arXiv preprint arXiv:1805.05370},
year = {2018}
}