KnowDis：基于远程监督的知识增强数据增广用于事件因果检测
计算与语言
2020-10-22 v1
摘要
现代事件因果检测 (ECD) 模型主要基于小规模人工标注语料上的监督学习。然而，人工标注训练数据生产成本高、因果表达覆盖低且规模有限，这使得监督方法难以检测事件间的因果关系。为解决这一数据匮乏问题，我们研究了一种用于 ECD 的数据增广框架，称为知识增强远程数据增广 (KnowDis)。在两个基准数据集 EventStoryLine 语料与 Causal-TimeBank 上的实验结果表明：1) KnowDis 可借助词汇与因果常识知识，通过远程监督为 ECD 增广可用训练数据；2) 在自动标注训练数据的辅助下，我们的方法大幅优于先前方法。
引用
@article{arxiv.2010.10833,
title = {KnowDis: Knowledge Enhanced Data Augmentation for Event Causality Detection via Distant Supervision},
author = {Xinyu Zuo and Yubo Chen and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2010.10833},
year = {2020}
}
备注
Accepted to COLING2020