基于X-AMR的线性跨文档事件共指消解

事件共指消解（ECR）作为成对提及分类任务，对于自动化系统和人工标注来说成本高昂。当使用大型语言模型（LLM）时，该任务的二次难度会加剧，使得ECR的提示工程变得极其昂贵。在这项工作中，我们提出了一种事件的图形表示——X-AMR，它使用跨文档版本的抽象意义表示（AMR）围绕单个提及进行锚定。然后，我们通过一种新颖的事件图上的多跳共指算法将ECR线性化。事件图简化了ECR，使其a) 对LLM成本有效，b) 组合且可解释，c) 易于标注。为了公平评估，我们首先使用我们引入的标注者友好工具，用这些事件图丰富现有的ECR基准数据集。然后，我们使用OpenAI最新的LLM——GPT-4进行这些标注。最后，使用ECR算法，我们评估GPT-4与人类的表现，并分析其局限性。通过这项研究，我们旨在推进高效ECR的最新技术，并揭示当前LLM在此任务中的潜在缺陷。代码和标注：\url{https://github.com/ahmeshaf/gpt_coref}