PeTra：一种用于人物追踪的稀疏监督记忆模型
计算与语言
2020-05-07 v1 机器学习
摘要
我们提出 PeTra，一种记忆增强神经网络，旨在于其记忆槽中追踪实体。PeTra 使用来自 GAP 代词消解数据集的稀疏标注进行训练，并在该任务上优于先前的记忆模型，同时采用更简单的架构。我们对关键建模选择进行了实证比较，发现可在保持强劲性能的同时简化记忆模块的若干方面。为衡量记忆模型的人物追踪能力，我们（a）提出一种基于统计文本中唯一实体数量的新诊断评估，并（b）进行小规模人工评估，以比较 PeTra 与先前方法在记忆日志中人物追踪的证据。PeTra 在两项评估中均极为有效，证明了尽管仅以有限标注训练，它仍能在记忆中追踪人物。
引用
@article{arxiv.2005.02990,
title = {PeTra: A Sparsely Supervised Memory Model for People Tracking},
author = {Shubham Toshniwal and Allyson Ettinger and Kevin Gimpel and Karen Livescu},
journal= {arXiv preprint arXiv:2005.02990},
year = {2020}
}
备注
ACL 2020