CRAC 2024 中的 CorPipe：从原始文本预测零提及
计算与语言
2025-08-07 v2
摘要
我们 presenting CorPipe 24，这是 CRAC 2024 共享任务获胜队伍的提交作品。本次共享任务的第三轮迭代中，一个新目标是预测空节点，以用于零提及（而在前几年中，这些空节点已在输入中提供）。通过这种方式，可以对原始文本进行指代消解。我们评估了两种模型变体：一种是两阶段方法（其中使用预训练编码器模型预测空节点，然后由另一个预训练模型与句子词语一起处理），以及一种是单阶段方法（其中单个预训练编码器模型联合生成空节点、指代提及和指代链接）。在两种情况下，CorPipe 均以约 3.9 和 2.8 个百分点的大幅优势超越了其他参赛者。源代码和训练好的模型均可在 https://github.com/ufal/crac2024-corpipe 获取。
引用
@article{arxiv.2410.02756,
title = {CorPipe at CRAC 2024: Predicting Zero Mentions from Raw Text},
author = {Milan Straka},
journal= {arXiv preprint arXiv:2410.02756},
year = {2025}
}
备注
Accepted to CRAC 2024