端到端神经信息状态分类
计算与语言
2021-09-08 v1
摘要
大多数先前关于信息状态（IS）分类和桥接指代识别的研究都假设给定金标准提及或句法树信息（Hou et al., 2013; Roesiger et al., 2018; Hou, 2020; Yu and Poesio, 2020）。在本文中，我们提出一种用于信息状态分类的端到端神经方法。我们的方法由一个提及抽取组件和一个信息状态指派组件组成。在推理时，我们的系统以原始文本作为输入，并生成提及及其信息状态。在 ISNotes 语料库（Markert et al., 2012）上，我们展示了我们的信息状态指派组件在基于金标准提及的细粒度 IS 分类上取得了新的 SOTA 结果。此外，我们的系统在端到端设置下对于提及抽取和细粒度 IS 分类均显著优于其他基线。最后，我们将我们的系统应用于 BASHI（Roesiger, 2018）和 SciCorp（Roesiger, 2016）以识别指称桥接指代。我们发现，我们在 ISNotes 上训练的端到端系统，相较于先前依赖句法信息并在域内数据集上训练的 SOTA 系统（Yu and Poesio, 2020），在桥接指代识别上取得了有竞争力的结果。
引用
@article{arxiv.2109.02753,
title = {End-to-end Neural Information Status Classification},
author = {Yufang Hou},
journal= {arXiv preprint arXiv:2109.02753},
year = {2021}
}
备注
Accepted at EMNLP2021 Findings