用于隐式篇章关系识别的全局与局部层级感知对比框架
计算与语言
2023-05-26 v3
摘要
由于缺少显式连接词，隐式篇章关系识别（IDRR）仍是篇章分析中的一项挑战性任务。IDRR 的关键步骤是学习两个论元之间高质量的篇章关系表示。近期方法倾向于将意义的整体层级信息整合进篇章关系表示以进行多层次意义识别。然而，它们未能充分纳入包含全部意义的静态层级结构（定义为全局层级），并忽略了对应于每个实例的层级意义标签序列（定义为局部层级）。为充分利用意义的全局与局部层级来学习更好的篇章关系表示，我们提出了一种新颖的全局与局部层级感知对比框架（GOLF），借助多任务学习和对比学习对两类层级建模。在 PDTB 2.0 和 PDTB 3.0 数据集上的实验结果表明，我们的方法在各层级上均显著优于当前最先进的模型。我们的代码已公开于 https://github.com/YJiangcm/GOLF_for_IDRR
引用
@article{arxiv.2211.13873,
title = {Global and Local Hierarchy-aware Contrastive Framework for Implicit Discourse Relation Recognition},
author = {Yuxin Jiang and Linhan Zhang and Wei Wang},
journal= {arXiv preprint arXiv:2211.13873},
year = {2023}
}
备注
15 pages, 9 figures, Findings of ACL 2023