PSG：基于提示的序列生成用于首字母缩略词抽取
计算与语言
2021-12-10 v2 人工智能
摘要
首字母缩略词抽取旨在从文档中找出缩略词（即短形式）及其含义（即长形式），这对于科学文档理解（SDU@AAAI-22）任务十分重要。以往工作致力于将该任务建模为段落级序列标注问题。然而，其缺乏对外部知识的有效利用，尤其在数据集处于低资源设定时。近来，基于提示的方法结合海量预训练语言模型可显著提升低资源下游任务的性能。本文提出一种用于首字母缩略词抽取任务的基于提示的序列生成（PSG）方法。具体而言，我们设计了一个模板，通过自回归提示被抽取的缩略词文本。设计了一种位置抽取算法以提取生成答案的位置。在越南语和波斯语低资源设定下的首字母缩略词抽取结果表明，所提方法优于所有其他具竞争力的当前最优（SOTA）方法。
引用
@article{arxiv.2111.14301,
title = {PSG: Prompt-based Sequence Generation for Acronym Extraction},
author = {Bin Li and Fei Xia and Yixuan Weng and Xiusheng Huang and Bin Sun and Shutao Li},
journal= {arXiv preprint arXiv:2111.14301},
year = {2021}
}
备注
Accepted for Artificial Intelligence on Scientific Document Understanding (SDU) workshop at AAAI 2022