大规模 QA-SRL 解析
计算与语言
2018-05-16 v1 人工智能
摘要
我们提出了一个问答驱动语义角色标注（QA-SRL）注解的新大规模语料库，以及首个高质量的 QA-SRL 解析器。我们的语料库 QA-SRL Bank 2.0 包含跨越 3 个领域的超过 64,000 个句子的 250,000 多个问答对，并以一种新众包方案收集，我们表明该方案以适中成本获得了高精度和良好召回率。我们还提出了用于两个 QA-SRL 子任务的神经模型：检测谓词的论元跨度和生成问题以标注语义关系。最佳模型在完整流水线 QA-SRL 预测任务上实现了 82.6% 的问题准确率和 77.6% 的跨度为准确率（人工评估下）。如我们所展示，它们也可用于以低成本收集额外注解。
引用
@article{arxiv.1805.05377,
title = {Large-Scale QA-SRL Parsing},
author = {Nicholas FitzGerald and Julian Michael and Luheng He and Luke Zettlemoyer},
journal= {arXiv preprint arXiv:1805.05377},
year = {2018}
}
备注
10 pages, 3 figures, 8 tables. Accepted to ACL 2018