通过预测语义框架论元改进隐式语义角色标注
计算与语言
2017-10-06 v2
摘要
隐式语义角色标注（iSRL）是预测谓词的语义角色的任务，这些角色不作为显式论元出现，而是涉及常识知识或在前面的话语中被提及。我们引入一种基于预测性循环神经语义框架模型（PRNSFM）的iSRL方法，该模型使用大型无标注语料库来学习给定谓词时语义论元序列的概率。我们利用PRNSFM预测的序列概率来估计谓词及其论元的选择偏好。在NomBank iSRL测试集上，我们的方法以比先前工作更少的对手工构建语言资源的依赖，改进了隐式语义角色标注的最先进性能。
引用
@article{arxiv.1704.02709,
title = {Improving Implicit Semantic Role Labeling by Predicting Semantic Frame Arguments},
author = {Quynh Ngoc Thi Do and Steven Bethard and Marie-Francine Moens},
journal= {arXiv preprint arXiv:1704.02709},
year = {2017}
}
备注
IJCNLP 2017