利用细粒度分析的开放领域建议挖掘
计算与语言
2020-07-14 v2
摘要
建议挖掘任务通常在语义上很复杂，且缺乏可应用于真实世界数据的成熟方法。建议存在于高度多样化的领域中，且缺乏大型标注和平衡的数据集，使得该任务处理起来极具挑战性。为了克服这些挑战，我们提出了一种双层流水线，利用基于话语标记的过采样和细粒度建议挖掘技术从在线论坛中检索建议。通过在真实世界的开放领域建议数据集上进行广泛比较，我们展示了过采样技术与基于Transformer的细粒度分析相结合如何超越现有技术水平。此外，我们进行了广泛的定性和定量分析，以为我们提出的流水线提供建构效度。最后，我们讨论了我们的流水线在网络中部署的实用性、计算和可复现性方面。
引用
@article{arxiv.2007.04297,
title = {Open Domain Suggestion Mining Leveraging Fine-Grained Analysis},
author = {Shreya Singal and Tanishq Goel and Shivang Chopra and Sonika Dahiya},
journal= {arXiv preprint arXiv:2007.04297},
year = {2020}
}