掌握显式观点角色交互：用于统一观点角色标注的句法辅助神经转移系统
计算与语言
2021-12-14 v2
摘要
统一观点角色标注（ORL）旨在一次性检测给定文本中所有可能的“观点持有者-目标”观点结构。遗憾的是，现有的基于转移的统方法受制于较长的观点词项，且无法解决词项重叠问题。当前最佳性能由采用基于跨度的图模型取得，但该模型仍存在模型复杂度高以及观点与角色间交互不足的问题。在这项工作中，我们通过重新审视转移架构并用指针网络（PointNet）对其进行增强，研究了一种新颖的解决方案。该框架以线性时间复杂度解析出所有观点结构，同时借助PointNet突破了任意词项长度的局限。为实现显式的观点-角色交互，我们进一步提出了统一依存-观点图（UDOG），共同建模句法依存结构与部分观点-角色结构。随后我们设计了以关系为中心的图聚合器（RCGA）来编码多关系UDOG，所得的高阶表示用于提升原始转移系统中的预测。我们的模型在MPQA基准上取得了新的最先进结果。分析进一步证明了我们的方法在效能与效率上的优越性。
引用
@article{arxiv.2110.02001,
title = {Mastering the Explicit Opinion-role Interaction: Syntax-aided Neural Transition System for Unified Opinion Role Labeling},
author = {Shengqiong Wu and Hao Fei and Fei Li and Donghong Ji and Meishan Zhang and Yijiang Liu and Chong Teng},
journal= {arXiv preprint arXiv:2110.02001},
year = {2021}
}
备注
AAAI2022