填补空白：利用图自编码器网络的高效事件共指消解
计算与语言
2023-10-19 v1
摘要
我们提出了一种新颖且高效的事件共指消解（ECR）方法，应用于资源较少的语言领域。通过将 ECR 构建为图重建任务，我们能够将深层语义嵌入与结构共指链知识相结合，创建出参数高效的图自编码器模型族（GAE）。在整体得分、效率和训练速度方面，我们的方法在大型荷兰语事件共指语料库上显著优于经典的提及对方法。此外，我们表明，与基于 transformer 的提及对共指算法相比，我们的模型能够持续地对更困难的共指链接进行分类，并且在低数据设定下具有更强的鲁棒性。
引用
@article{arxiv.2310.11965,
title = {Filling in the Gaps: Efficient Event Coreference Resolution using Graph Autoencoder Networks},
author = {Loic De Langhe and Orphée De Clercq and Veronique Hoste},
journal= {arXiv preprint arXiv:2310.11965},
year = {2023}
}