基于提示的连接词预测方法用于细粒度隐式篇章关系识别
计算与语言
2022-10-18 v2
摘要
由于缺少连接词，隐式篇章关系识别（IDRR）仍是篇章分析中一项具有挑战性且关键的任务。当前多数工作采用多任务学习，通过显式篇章关系识别（EDRR）来辅助 IDRR，或利用篇章关系标签间的依赖关系约束模型预测。但这些方法在细粒度 IDRR 上表现仍较差，且在多数少样本篇章关系类上甚至完全误判。为解决这些问题，我们提出一种新颖的基于提示的连接词预测（PCP）方法用于 IDRR。我们的方法指导大规模预训练模型使用与篇章关系相关的知识，并利用连接词与篇章关系间的强相关性来帮助模型识别隐式篇章关系。实验结果表明，我们的方法超越了当前最先进的模型，并在那些细粒度少样本篇章关系上取得显著提升。此外，我们的方法能够迁移至 EDRR 并获得可接受的结果。我们的代码发布于 https://github.com/zh-i9/PCP-for-IDRR。
引用
@article{arxiv.2210.07032,
title = {Prompt-based Connective Prediction Method for Fine-grained Implicit Discourse Relation Recognition},
author = {Hao Zhou and Man Lan and Yuanbin Wu and Yuefeng Chen and Meirong Ma},
journal= {arXiv preprint arXiv:2210.07032},
year = {2022}
}
备注
Findings of EMNLP 2022 Accepted