细粒度时间关系抽取
计算与语言
2019-06-05 v2
摘要
我们提出一种用于对时间关系和事件持续时间建模的新颖语义框架，该框架将事件对映射到实值标度。我们利用该框架构建了迄今最大的时间关系数据集，覆盖 Universal Dependencies English Web Treebank 的全部内容。我们使用该数据集训练联合预测细粒度时间关系和事件持续时间的模型。我们在自己的数据上报告了强劲结果，并展示了用于预测分类关系的迁移学习方法的有效性。
引用
@article{arxiv.1902.01390,
title = {Fine-Grained Temporal Relation Extraction},
author = {Siddharth Vashishtha and Benjamin Van Durme and Aaron Steven White},
journal= {arXiv preprint arXiv:1902.01390},
year = {2019}
}
备注
Proceedings of the 57th Annual Meeting of the Association for Computational Linguistics (ACL 2019), Florence, Italy, July 29-31, 2019