在真实多语言数据集上评估神经指称形式选择器
计算与语言
2022-10-13 v2
摘要
先前关于神经指称表达生成（REG）的工作均使用WebNLG，这是一个已被证明仅反映非常有限指称表达（RE）用法的英语数据集。为解决此问题，我们基于OntoNotes语料库构建了一个包含英语和汉语（一种使用零代词的语言）中更广泛RE用法的数据集。我们相应地构建了神经指称形式选择（RFS）模型，在该数据集上评估并进行探测试验。实验表明，与WebNLG相比，OntoNotes更适于评估REG/RFS模型。我们比较了英语与汉语的RFS，并确认与语言学理论一致，汉语RFS比英语更依赖话语上下文。
引用
@article{arxiv.2210.04828,
title = {Assessing Neural Referential Form Selectors on a Realistic Multilingual Dataset},
author = {Guanyi Chen and Fahime Same and Kees van Deemter},
journal= {arXiv preprint arXiv:2210.04828},
year = {2022}
}
备注
Eval4NLP workshop