使用隐喻式改写生成更具挑战性的跨文档事件指代解析数据集
计算与语言
2024-07-18 v1
摘要
最流行的跨文档事件指代解析 (CDEC) 数据集未能传达任务的真实难度，因为核心指代事件触发词 (指指事件的单词或短语) 之间的词汇多样性不足。此外，针对隐喻语言的事件数据集也十分稀缺，这限制了事件理解的关键研究方向。我们通过引入 ECB+META，作为 Event Coref Bank Plus (ECB+) 的词汇丰富版本，用于 CDEC 处理符号和隐喻语言。我们使用 ChatGPT 作为隐喻转换句子的工具，然后对转换后的句子中的原始事件触发词进行标记。通过这种方式，我们避免了对昂贵的指代链接的重新标注。我们展示的结果表明，表现良好的现有方法在 ECB+ 上表现良好，但在 ECB+META 上则表现不佳，从而为更具挑战性的数据集上的 CDEC 研究铺平了道路。代码/数据: https://github.com/ahmeshaf/llms_coref
引用
@article{arxiv.2407.11988,
title = {Generating Harder Cross-document Event Coreference Resolution Datasets using Metaphoric Paraphrasing},
author = {Shafiuddin Rehan Ahmed and Zhiyong Eric Wang and George Arthur Baker and Kevin Stowe and James H. Martin},
journal= {arXiv preprint arXiv:2407.11988},
year = {2024}
}
备注
Short Paper, ACL 2024