多标签分类设定下 ConceptNet 关系分类难度的评估
计算与语言
2019-05-15 v1
摘要
常识知识关系对于高级自然语言理解(NLU)任务至关重要。我们考察 CONCEPTNET 中所表示的此类关系的可学习性，并考虑其可能使关系分类困难的特殊性质：给定的概念对可由多种关系类型连接，且关系可具有不同语义类型的多词论元。我们探索了一种神经开放世界多标签分类方法，侧重于对单个关系分类准确率的评估。基于对 CONCEPTNET 资源特殊性质的深入研究，我们考察了不同关系表示与模型变体的影响。我们的分析揭示，论元类型的复杂性与关系歧义是最需应对的重要挑战。我们设计了一种定制评估方法，以应对该资源的不完备性，可在未来工作中扩展。
引用
@article{arxiv.1905.05538,
title = {Assessing the Difficulty of Classifying ConceptNet Relations in a Multi-Label Classification Setting},
author = {Maria Becker and Michael Staniek and Vivi Nastase and Anette Frank},
journal= {arXiv preprint arXiv:1905.05538},
year = {2019}
}
备注
RELATIONS - Workshop on meaning relations between phrases and sentences (co-located with IWCS). May 2019, Gothenburg, Sweden