通过类比的数据集语义角色分类
计算与语言
2026-03-23 v1 人工智能
摘要
本文采用类比的关系视角应用于 FrameNet 中的语义角色分类。我们将类比定义为帧激活词汇单元（Lexical Units, LUs）和帧元素（Frame Elements, FEs）笛卡尔积上的形式关系，用以构建新数据集。该二元关系的每个元素若帧元素共享相同语义角色，则标记为有效的类比实例，否则为无效。此表述允许我们将语义角色分类转化为二元分类，通过训练一个轻量级人工神经网络（ANN）实现快速收敛并最小化参数。出于非约定性，我们在训练期间不引入任何语义角色信息。通过随机抽样和类比迁移在给定帧内计算所有语义角色候选者的概率分布，从而在推理阶段恢复语义角色。该方法使我们能够在保持计算效率和节约资源的同时超越以往最新结果。
引用
@article{arxiv.2603.19825,
title = {FrameNet Semantic Role Classification by Analogy},
author = {Van-Duy Ngo and Stergos Afantenos and Emiliano Lorini and Miguel Couceiro},
journal= {arXiv preprint arXiv:2603.19825},
year = {2026}
}
备注
Paper to be presented at LREC 2026