结合句法依存与语义一致性的否定三元组抽取
计算与语言
2024-04-16 v1 人工智能
摘要
先前的否定理解工作主要集中在否定线索检测和范围消解上，而没有识别对下游任务同样重要的否定主体。在本文中，我们提出了一项新的否定三元组抽取（NTE）任务，旨在连同否定线索和范围一起抽取否定主体。为了实现 NTE，我们设计了一种新颖的句法与语义增强否定抽取模型，即 SSENE，该模型基于具有多任务学习框架的生成式预训练语言模型（PLM）{编码器-解码器架构}构建。具体而言，将给定句子的句法依存树整合到 PLM 的编码器中，以发现否定主体、线索和范围之间的相关性。此外，通过辅助任务学习来确保句子与抽取出的三元组之间的语义一致性。进一步地，我们基于现实世界美团平台上的用户评论构建了一个高质量的中文数据集 NegComment，在此数据集上的评估表明，与基线相比 SSENE 取得了最佳的 NTE 性能。我们的消融和案例研究也证明，整合句法信息有助于 PLM 识别主体和线索之间的远距离依存关系，而辅助任务学习有助于抽取具有更多语义一致性的否定三元组。
引用
@article{arxiv.2404.09830,
title = {Negation Triplet Extraction with Syntactic Dependency and Semantic Consistency},
author = {Yuchen Shi and Deqing Yang and Jingping Liu and Yanghua Xiao and Zongyu Wang and Huimin Xu},
journal= {arXiv preprint arXiv:2404.09830},
year = {2024}
}
备注
Accepted by COLING 2024