通过词性嵌入在建议挖掘中引入远程监督
计算与语言
2017-12-06 v2
摘要
从给定文本中挖掘表达建议的句子是一个研究较少的句子分类任务，因此缺乏人工标注的基准数据集。在这项工作中，我们提出并评估了两种用于建议挖掘的远程监督方法。远程监督通过一个大型银标准数据集获得，该数据集使用来自 wikiHow 和 Wikipedia 的文本构建。两种方法都使用基于 LSTM 的神经网络架构来学习建议挖掘的分类模型，但在使用银标准数据集的方法上有所不同。第一种方法直接使用该数据集训练分类器，而第二种方法仅从该数据集学习词嵌入。在第二种方法中，我们还学习了词性嵌入，有趣的是，这带来了最佳的分类准确率。
引用
@article{arxiv.1709.07403,
title = {Inducing Distant Supervision in Suggestion Mining through Part-of-Speech Embeddings},
author = {Sapna Negi and Paul Buitelaar},
journal= {arXiv preprint arXiv:1709.07403},
year = {2017}
}