用于中文零代词消解的深度强化学习
计算与语言
2018-07-20 v2
摘要
用于中文零代词消解的深度神经网络模型学习零代词与候选先行语的语义信息，但往往目光短浅——它们常做出局部决策。它们通常一次仅预测零代词与单个候选先行语之间的共指链一环，而忽视其对未来决策的长期影响。理想情况下，在后续预测零代词-候选先行语对时，对先前潜在先行语有用信息的建模至关重要。在本研究中，我们展示了如何利用深度强化学习模型来整合局部与全局决策。借助强化学习智能体，我们的模型以顺序方式学习选择先行语的策略，其中较早预测的先行语所提供的有用信息可用于后续的共指决策。在OntoNotes 5.0数据集上的实验结果表明，我们的技术超越了SOTA模型。
引用
@article{arxiv.1806.03711,
title = {Deep Reinforcement Learning for Chinese Zero pronoun Resolution},
author = {Qingyu Yin and Yu Zhang and Weinan Zhang and Ting Liu and William Yang Wang},
journal= {arXiv preprint arXiv:1806.03711},
year = {2018}
}