探索语义角色标注中的非动词谓词：挑战与机遇
计算与语言
2023-07-06 v1 人工智能
摘要
尽管语义角色标注（SRL）已取得令人瞩目的进展，但该领域的大多数研究都基于谓词多为动词的假设。相反，谓词也可由其他词性表达，例如名词和形容词。然而，在我们常用于衡量 SRL 进展的基准中，非动词谓词的出现频率低于某些真实场景——如新闻标题、对话和推文等。本文提出一个新的 PropBank 数据集，其具有对多种谓词类型的广泛覆盖。借助该数据集，我们从经验上证明标准基准并不能准确反映 SRL 的现状，且最先进的系统仍无法在不同谓词类型间迁移知识。观察到这些问题后，我们还提出一个新颖的、人工标注的挑战集，旨在赋予动词、名词和形容词性谓词-论元结构同等的重视。我们利用该数据集探究是否能借助不同语言资源来促进知识迁移。最后，我们断言 SRL 远未被“解决”，其与其他语义任务的融合可能在未来带来显著改进，尤其针对非动词谓词的长尾，从而推动非动词谓词 SRL 的进一步研究。
引用
@article{arxiv.2307.01870,
title = {Exploring Non-Verbal Predicates in Semantic Role Labeling: Challenges and Opportunities},
author = {Riccardo Orlando and Simone Conia and Roberto Navigli},
journal= {arXiv preprint arXiv:2307.01870},
year = {2023}
}
备注
Accepted at Findings of ACL 2023