利用多重标注决策的因果检测
计算与语言
2022-12-02 v2
摘要
本文描述了提交至第 5 届从文本中自动提取社会政治事件的挑战与应用研讨会（CASE 2022）的工作。该工作关联于共享任务 3 的子任务 1，旨在检测抗议新闻语料库中的因果关系。作者使用了带有定制交叉熵损失函数的不同大型语言模型，这些损失函数利用了标注信息。实验表明，采用精炼交叉熵的 bert-based-uncased 优于其他模型，在 Causal News Corpus 数据集上取得了 0.8501 的 F1 分数。
引用
@article{arxiv.2210.14852,
title = {Causality Detection using Multiple Annotation Decisions},
author = {Quynh Anh Nguyen and Arka Mitra},
journal= {arXiv preprint arXiv:2210.14852},
year = {2022}
}