基于多损失神经网络且不使用论元信息的事件共指消解
计算与语言
2020-09-23 v1
摘要
事件共指消解（ECR）是自然语言处理（NLP）中的一项重要任务，几乎所有现有的该任务方法都依赖于事件论元信息。然而，这些方法往往受到来自事件论元抽取阶段错误传播的影响。此外，并非每个事件提及都包含事件的所有论元，且论元信息可能会混淆模型，使其利用论元来检测真实文本中的事件共指。此外，事件的上下文信息有助于推断事件之间的共指关系。因此，为了减少来自事件论元抽取的错误传播并有效利用上下文信息，我们提出了一种多损失神经网络模型，该模型不需要任何论元信息即可完成文档内事件共指消解任务，并取得了比最先进（SOTA）方法更优的性能。
引用
@article{arxiv.2009.10290,
title = {Event Coreference Resolution via a Multi-loss Neural Network without Using Argument Information},
author = {Xinyu Zuo and Yubo Chen and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2009.10290},
year = {2020}
}
备注
Published on SCIENCE CHINA Information Sciences