基于序列半监督离散变量的事件表示
机器学习
2021-04-14 v3 计算与语言
摘要
在事件建模与理解的背景下，我们提出了一种考虑部分观测的离散外部知识序列的神经序列建模新方法。我们构建了一个序列神经变分自编码器，在精心定义的编码器中使用 Gumbel-Softmax 重参数化，以在训练期间实现成功的反向传播。核心思想是让半监督外部离散知识引导但不限制训练期间的变分隐变量参数。我们的实验表明，我们的方法不仅在叙事脚本归纳中优于多个基线方法和当前最优方法，而且收敛更快。
引用
@article{arxiv.2010.04361,
title = {Event Representation with Sequential, Semi-Supervised Discrete Variables},
author = {Mehdi Rezaee and Francis Ferraro},
journal= {arXiv preprint arXiv:2010.04361},
year = {2021}
}
备注
In Proceedings of the 2021 Annual Conference of the North American Chapter of the Association for Computational Linguistics (NAACL 2021)