通过对抗训练提升共指消解中的泛化能力
计算与语言
2019-08-14 v1
摘要
为了使共指消解系统在实践中发挥作用，它们必须能够泛化到新的文本。在这项工作中，我们证明了当 CoNLL 数据集中的 PER 和 GPE 命名实体的名称被更改为未出现在训练集中的名称时，最先进系统的性能会下降。我们使用基于对抗梯度的训练技术重新训练该最先进系统，并证明重新训练后的系统在 CoNLL 数据集（无论是否更改命名实体）和 GAP 数据集上均取得了更高的性能。
引用
@article{arxiv.1908.04728,
title = {Improving Generalization in Coreference Resolution via Adversarial Training},
author = {Sanjay Subramanian and Dan Roth},
journal= {arXiv preprint arXiv:1908.04728},
year = {2019}
}
备注
*SEM 2019