结合语义表示与上下文词表示识别越南语文本蕴含
计算与语言
2023-01-03 v1
摘要
文本蕴含识别（RTE）是一个重要问题，也是一个相当活跃的研究领域。针对该问题的研究方法颇为多样，存在许多不同方向。对于越南语而言，RTE 问题相对较新，但其在自然语言理解系统中起着至关重要的作用。目前，基于上下文词表示学习模型解决该问题的方法已取得了出色的结果。然而，越南语是一种语义丰富的语言。因此，在本文中，我们旨在展示一种将经由语义角色标注（SRL）任务的语义词表示与 BERT 相关模型的上下文表示相结合的实验，用于 RTE 问题。实验结果给出了关于语义表示对越南语自然语言理解的影响与作用的结论。实验结果表明，具有语义感知的上下文表示模型的性能比未融入语义表示的模型高出约 1%。此外，其对越南语数据域的影响也高于英语。该结果也显示了 SRL 对越南语 RTE 问题的积极影响。
引用
@article{arxiv.2301.00422,
title = {Leveraging Semantic Representations Combined with Contextual Word Representations for Recognizing Textual Entailment in Vietnamese},
author = {Quoc-Loc Duong and Duc-Vu Nguyen and Ngan Luu-Thuy Nguyen},
journal= {arXiv preprint arXiv:2301.00422},
year = {2023}
}
备注
In Proceedings of the 9th NAFOSTED Conference on Information and Computer Science (NICS 2022)