面向时间关系抽取的高效远程监督方法
计算与语言
2021-09-16 v2 机器学习
摘要
在新领域训练时间关系抽取模型的一个主要障碍是缺乏多样化、高质量的样例以及收集更多样例的挑战。我们提出一种自动收集远程监督时间关系样例的方法。我们抓取并自动标注文本中时间关系被显式表达的事件对，然后将这些显式线索掩码掉，迫使在该数据上训练的模型学习其他信号。我们证明，一个预训练的 Transformer 模型能够在零样本和少样本设置下从弱标注样例迁移到人工标注的基准，并且掩码方案对提升泛化能力至关重要。
引用
@article{arxiv.2010.12755,
title = {Effective Distant Supervision for Temporal Relation Extraction},
author = {Xinyu Zhao and Shih-ting Lin and Greg Durrett},
journal= {arXiv preprint arXiv:2010.12755},
year = {2021}
}