GumDrop 在 DISRPT2019 共享任务中的表现：一种用于话语单元分割与连接词检测的模型堆叠方法
计算与语言
2019-09-02 v2
摘要
在本文中，我们介绍了 GumDrop，即乔治城大学在 DISRPT 2019 自动话语单元分割与连接词检测共享任务中的参赛系统。我们的方法依赖于模型堆叠，构建异质分类器集成，并将其输入到每个最终任务的元学习器中。该系统包含三个可训练的组件堆叠：一个用于句子切分，一个用于话语单元分割，一个用于连接词检测。每个集成的灵活性使系统能够很好地泛化到不同规模及不同同质程度的数据集。
引用
@article{arxiv.1904.10419,
title = {GumDrop at the DISRPT2019 Shared Task: A Model Stacking Approach to Discourse Unit Segmentation and Connective Detection},
author = {Yue Yu and Yilun Zhu and Yang Liu and Yan Liu and Siyao Peng and Mackenzie Gong and Amir Zeldes},
journal= {arXiv preprint arXiv:1904.10419},
year = {2019}
}
备注
Proceedings of Discourse Relation Parsing and Treebanking (DISRPT2019)