基于事件知识的隐式论元预测

隐式论元在句法上与其谓词没有连接，因此难以抽取。以往工作使用具有大量特征的模型，并在极小的数据集上评估。我们提出在一个简单的完形填空任务上训练隐式论元预测模型，该任务的数据可以大规模自动生成。这使我们能够使用一个神经网络模型，该模型借助叙事连贯性与实体显著性进行预测。我们表明，我们的模型在合成数据与自然数据上均具有更优的性能。