构建码混合通用依存森林以实现无偏跨语言关系抽取
计算与语言
2023-06-06 v3
摘要
近期跨语言关系抽取（XRE）的研究积极利用通用依存（UD）资源中语言一致的结构特征，但由于语言间不可避免的语言差异，它们可能严重受限于有偏迁移（例如目标偏置或源偏置）。在本工作中，我们通过构建一种码混合 UD 森林来研究基于 UD 的无偏 XRE 迁移。我们首先将源语言句子翻译为平行的目标端语言，并分别对两者解析 UD 树。然后，我们将源端/目标端 UD 结构合并为一个统一的码混合 UD 森林。借助此类森林特征，训练与预测阶段之间基于 UD 的 XRE 差距能够有效缩小。我们在 ACE XRE 基准数据集上开展实验，结果表明所提出的码混合 UD 森林有助于无偏的基于 UD 的 XRE 迁移，并借此实现了显著的 XRE 性能提升。
引用
@article{arxiv.2305.12258,
title = {Constructing Code-mixed Universal Dependency Forest for Unbiased Cross-lingual Relation Extraction},
author = {Hao Fei and Meishan Zhang and Min Zhang and Tat-Seng Chua},
journal= {arXiv preprint arXiv:2305.12258},
year = {2023}
}