面向标签混淆感知事件检测的成本敏感正则化
计算与语言
2019-06-17 v1
摘要
在监督事件检测中，大多数误标注发生在少量混淆类型对之间，包括触发词-NIL对以及同一粗类型下的兄弟子类型。为解决这一标签混淆问题，本文提出成本敏感正则化，其能够迫使训练过程更加集中于优化混淆类型对。具体而言，我们在训练损失中引入一个成本加权项，对混淆标签对之间的误标注施加更多惩罚。此外，我们还提出两种基于实例级或总体级统计量来有效度量此类标签混淆的估计器。在TAC-KBP 2017数据集上的实验表明，所提方法能显著提升不同模型在英语和中文事件检测中的性能。
引用
@article{arxiv.1906.06003,
title = {Cost-sensitive Regularization for Label Confusion-aware Event Detection},
author = {Hongyu Lin and Yaojie Lu and Xianpei Han and Le Sun},
journal= {arXiv preprint arXiv:1906.06003},
year = {2019}
}
备注
Accepted to ACL2019