用 FrameNet 中的定义查询你的模型：一种有效的框架语义角色标注方法
计算与语言
2022-12-06 v1
摘要
框架语义角色标注（FSRL）识别论元并用 FrameNet 中定义的框架语义角色对其进行标注。以往研究倾向于将 FSRL 分为论元识别和角色分类。此类方法通常将角色分类建模为朴素的多类分类，并单独处理各个论元，忽视了标签语义以及论元之间的交互，从而阻碍了模型的性能与泛化能力。本文提出一种基于查询的框架 ArGument Extractor with Definitions in FrameNet（AGED）以缓解这些问题。FrameNet 中框架与框架元素（FE）的定义可用于查询文本中的论元。对文本-定义对进行编码能够引导模型学习标签语义并增强论元交互。实验表明，AGED 在两个 FrameNet 数据集上以最高 1.3 的 F1 分数超越以往最优方法，并在零样本与少样本场景下展现出泛化能力。我们的代码与技术附录见 https://github.com/PKUnlp-icler/AGED。
引用
@article{arxiv.2212.02036,
title = {Query Your Model with Definitions in FrameNet: An Effective Method for Frame Semantic Role Labeling},
author = {Ce Zheng and Yiming Wang and Baobao Chang},
journal= {arXiv preprint arXiv:2212.02036},
year = {2022}
}