基于神经转移模型的端到端语义角色标注
计算与语言
2021-01-05 v1
摘要
端到端语义角色标注（SRL）日益受到关注。它联合执行 SRL 的两个子任务：谓词识别与论元角色标注。近期工作多聚焦于基于图的神经模型，而带有神经网络的转移式框架虽已广泛用于诸多紧密相关任务，却尚未在联合任务中被研究。本文首次提出用于端到端 SRL 的转移式神经模型。我们的转移模型通过一组转移动作逐步发现所有句子谓词及其论元。两个子任务的动作相互执行以实现充分交互。此外，我们提出高阶组合来提取非局部特征，可进一步增强所提转移模型。在 CoNLL09 与 Universal Proposition Bank 上的实验结果表明，我们的最终模型可达到最优性能，同时保持高效解码。我们还进行了详尽的实验分析以深入理解所提模型。
引用
@article{arxiv.2101.00394,
title = {End-to-end Semantic Role Labeling with Neural Transition-based Model},
author = {Hao Fei and Meishan Zhang and Bobo Li and Donghong Ji},
journal= {arXiv preprint arXiv:2101.00394},
year = {2021}
}
备注
Accepted at AAAI 2021