FaNS：一种基于要素的叙述相似度度量
计算与语言
2024-03-05 v2
摘要
相似叙述检索是一项关键任务，因为叙述对于解释和理解事件至关重要，且多个相关叙述常有助于构建所关注事件的整体视图。为准确识别语义相似叙述，本文提出一种名为基于要素的叙述相似度（FaNS）的新型叙述相似度度量，其基于经典的 5W1H 要素（Who、What、When、Where、Why 和 How），这些要素通过利用最先进的大语言模型（LLMs）提取。与现有仅关注整体词汇/语义匹配的相似度度量不同，FaNS 沿六个不同要素独立进行更细粒度的匹配，随后将其组合。为评估 FaNS，我们通过从第三方新闻门户 AllSides 收集叙述构建了一个综合数据集。实验结果表明，FaNS 度量比直接衡量叙述间词汇/语义匹配的传统文本相似度度量表现出更高的相关性（高 37%），证明了其在比较一对叙述间更精细细节上的有效性。
引用
@article{arxiv.2309.04823,
title = {FaNS: a Facet-based Narrative Similarity Metric},
author = {Mousumi Akter and Shubhra Kanti Karmaker Santu},
journal= {arXiv preprint arXiv:2309.04823},
year = {2024}
}