NUS-IDS 在 FinCausal 2021 上的工作：图神经网络中融入依存树以改进因果片段检测
计算与语言
2021-10-08 v1
摘要
金融文档中因果片段的自动识别对于因果建模和理解导致金融事件的原因十分重要。为利用词在依存树中与其同类型因果词连接更紧密这一观察，我们通过图神经网络融入依存关系特征来构建有用的图嵌入。我们的模型建立在带有 Viterbi 解码的 BERT 词元分类器基线上，并在交叉验证和竞赛期间均优于该基线。在 FinCausal 2021 的官方评测中，我们获得了 95.56% 的精确率、95.56% 的召回率和 95.57% 的 F1 分数，均排名第 1，以及 86.05% 的精确匹配分数，排名第 3。
引用
@article{arxiv.2110.02991,
title = {NUS-IDS at FinCausal 2021: Dependency Tree in Graph Neural Network for Better Cause-Effect Span Detection},
author = {Fiona Anting Tan and See-Kiong Ng},
journal= {arXiv preprint arXiv:2110.02991},
year = {2021}
}