抽取还是猜测？提升事件时序关系抽取的忠实性
计算与语言
2022-10-13 v2 人工智能
摘要
本文旨在从两个角度提升时序关系抽取模型的忠实性。第一个角度是基于上下文描述进行真实抽取。为此，我们提出进行反事实分析以削弱两种显著训练偏差的影响：事件触发词偏差和频繁标签偏差。我们还将时态信息加入事件表示中，以明确强调上下文描述。第二个角度是提供适当的不确定性估计，并在文本中未描述任何关系时放弃抽取。通过对模型预测的类别分布进行 Dirichlet 先验参数化，我们改进了模型对正确性似然的估计，并使 TempRel 预测更具选择性。我们还在偏差缓解后采用温度缩放来重新校准模型置信度度量。通过在 MATRES、MATRES-DS 和 TDDiscourse 上的实验分析，我们证明与 SOTA 方法相比，我们的模型在抽取 TempRel 和时间线方面更具忠实性，尤其是在分布偏移条件下。
引用
@article{arxiv.2210.04992,
title = {Extracting or Guessing? Improving Faithfulness of Event Temporal Relation Extraction},
author = {Haoyu Wang and Hongming Zhang and Yuqian Deng and Jacob R. Gardner and Dan Roth and Muhao Chen},
journal= {arXiv preprint arXiv:2210.04992},
year = {2022}
}