MuCPAD：一个多领域中文谓词-论元数据集
计算与语言
2022-05-16 v1
摘要
在过去十年中，神经网络模型在领域内语义角色标注（SRL）上取得了巨大进展。然而，在领域外设定下性能急剧下降。为促进跨领域 SRL 研究，本文提出 MuCPAD，一个多领域中文谓词-论元数据集，包含来自六个不同领域的 30,897 个句子与 92,051 个谓词。MuCPAD 呈现三个重要特征。1）基于无框架标注方法，我们避免为新谓词撰写复杂框架。2）我们显式标注省略的核心论元以恢复更完整的语义结构，考虑到内容词省略在多领域中文文本中十分普遍。3）我们编写了 53 页标注指南并采用严格双人标注以提升数据质量。本文详细描述 MuCPAD 的标注方法与标注流程，并给出深入数据分析。我们也给出了基于 MuCPAD 的跨领域 SRL 基准结果。
引用
@article{arxiv.2205.06703,
title = {MuCPAD: A Multi-Domain Chinese Predicate-Argument Dataset},
author = {Yahui Liu and Haoping Yang and Chen Gong and Qingrong Xia and Zhenghua Li and Min Zhang},
journal= {arXiv preprint arXiv:2205.06703},
year = {2022}
}
备注
Accepted by NAACL2022 (Main conference)