LongtoNotes：具有更长共指链的 OntoNotes
计算与语言
2022-10-10 v1 机器学习
摘要
Ontonotes 一直是共指消解最重要的基准。然而，出于标注便利，Ontonotes 中的若干长文档被分割成了较小的部分。在本工作中，我们构建了一个共指标注文档语料库，其长度显著长于当前可用的语料。为此，我们通过对原始 Ontonotes 标注过程中被分割为多部分的文档的标注进行精确的、人工校订的合并来实现。由此得到的语料库，我们称之为 LongtoNotes，包含多种英语文类的文档，长度各异，其中最长的文档可达 Ontonotes 中文档长度的 8 倍，以及 Litbank 中的 2 倍。我们在此新语料上评估了最先进的神经共指系统，分析了模型架构/超参数与文档长度对模型性能和效率的关系，并展示了我们的新语料所揭示的长文档共指建模中的改进方向。我们的数据和代码可在 https://github.com/kumar-shridhar/LongtoNotes 获取。
引用
@article{arxiv.2210.03650,
title = {Longtonotes: OntoNotes with Longer Coreference Chains},
author = {Kumar Shridhar and Nicholas Monath and Raghuveer Thirukovalluru and Alessandro Stolfo and Manzil Zaheer and Andrew McCallum and Mrinmaya Sachan},
journal= {arXiv preprint arXiv:2210.03650},
year = {2022}
}