部分与整体抽取：面向文本中百分比量化事实的深度理解
计算与语言
2021-10-27 v1
摘要
我们研究带有百分比的文本的量化事实抽取问题。例如，给定句子“30 percent of Americans like watching football, while 20% prefer to watch NBA.”，我们的目标是通过抽取其量化事实来深度理解百分比数字（“30 percent”和“20%”）：部分（“like watching football”和“prefer to watch NBA”）与整体（“Americans”）。这些量化事实可赋能如自动信息图生成等新应用。我们将部分与整体抽取形式化为序列标注问题。由于部分/整体与其对应百分比之间存在较大间隔，我们在序列建模中引入跳跃机制，并在我们的任务及 CoNLL-2003 命名实体识别任务上均取得了改进的性能。实验结果表明，在序列标注中学习跳跃是有前景的。
引用
@article{arxiv.2110.13505,
title = {Part & Whole Extraction: Towards A Deep Understanding of Quantitative Facts for Percentages in Text},
author = {Lei Fang and Jian-Guang Lou},
journal= {arXiv preprint arXiv:2110.13505},
year = {2021}
}
备注
rejected by EMNLP 2020