基于生成对抗模仿学习的事件抽取
计算与语言
2018-04-24 v1
摘要
我们提出了一种基于模仿学习框架、具体而言是通过生成对抗网络（GAN）的逆强化学习（IRL）的事件抽取（EE）任务新方法。GAN 根据专家（或真值）与智能体在环境复杂状态中所采取动作之间的差异来估计恰当的奖励。EE 任务受益于这些动态奖励，因为实例和标签呈现出不同程度的难度，且预期收益应是多样的——例如，一个模糊但被正确检测到的触发词或论元应获得高收益——而传统 RL 模型通常忽视此类差异并对所有实例给予同等关注。此外，我们的实验还表明，所提框架在不进行显式特征工程的情况下优于最先进的方法。
引用
@article{arxiv.1804.07881,
title = {Event Extraction with Generative Adversarial Imitation Learning},
author = {Tongtao Zhang and Heng Ji},
journal= {arXiv preprint arXiv:1804.07881},
year = {2018}
}