优质服务！隐式论元的细粒度解析
计算与语言
2021-06-24 v2
摘要
NLP中的广覆盖语义表示大多聚焦于显式表达的内容。更重要的是，标注多样隐式角色的数据集稀缺限制了对其语言细微差别的实证研究。例如，在网络评论“优质服务！”中，提供者与消费者是不同类型的隐式论元。我们仔细重新标注了Cui和Herschcovich（2020）标注的细粒度隐式论元语料库，解决了若干不一致之处。随后，我们提出了首个可动态处理隐式论元的基于转移的神经网络解析器，并在改进数据集上用两种不同转移系统进行了实验。我们发现某些类型的隐式论元比其他类型更难解析，且较简单系统在恢复隐式论元上更准确，尽管其整体解析分数较低，这印证了当前NLP模型的推理局限。本工作通过将隐式与未指定语言整体纳入语义表示，将促进对其更好的理解。
引用
@article{arxiv.2106.02561,
title = {Great Service! Fine-grained Parsing of Implicit Arguments},
author = {Ruixiang Cui and Daniel Hershcovich},
journal= {arXiv preprint arXiv:2106.02561},
year = {2021}
}
备注
Accepted to IWPT 2021