融合全局与局部信息的过程性文本理解
计算与语言
2022-08-30 v1
摘要
过程性文本理解是一项具有挑战性的语言推理任务，要求模型在叙事展开过程中跟踪实体状态。完整的过程性理解方案应结合三个核心方面：输入的局部与全局视图，以及输出的全局视图。先前方法仅考虑这些方面的子集，导致精度或召回率较低。本文提出融合全局与局部信息（CGLI），一种构建考虑整体上下文（全局输入）的实体和时间步感知输入表示（局部输入）的新模型，并利用结构化预测目标（全局输出）联合建模实体状态。因此，CGLI 同时优化精度与召回率。我们通过额外的输出层扩展 CGLI，并将其集成到故事推理框架中。在流行过程性文本理解数据集上的大量实验表明，我们的模型取得了最先进结果；在故事推理基准上的实验显示了我们的模型对下游推理的积极影响。
引用
@article{arxiv.2208.12848,
title = {Coalescing Global and Local Information for Procedural Text Understanding},
author = {Kaixin Ma and Filip Ilievski and Jonathan Francis and Eric Nyberg and Alessandro Oltramari},
journal= {arXiv preprint arXiv:2208.12848},
year = {2022}
}
备注
COLING 2022