基于强化学习的论证组件检测
计算与语言
2017-02-22 v1
摘要
论证组件检测（ACD）是论证挖掘中的一项重要子任务。ACD 旨在检测和分类自然语言文本中的不同论证组件。历史标注（HAs）是人类标注者在手动执行 ACD 任务时考虑的重要特征。然而，现有的自动 ACD 技术在很大程度上忽略了 HAs。强化学习（RL）已被证明在某些自然语言处理任务中是使用 HAs 的有效方法。在这项工作中，我们提出了一种基于 RL 的 ACD 技术，并在两个标注良好的语料库上评估了其性能。结果表明，在分类准确率方面，增强 HAs 的 RL 最多比普通 RL 高 17.85%，并且最多比最先进的监督学习算法高 11.94%。
引用
@article{arxiv.1702.06239,
title = {Reinforcement Learning Based Argument Component Detection},
author = {Yang Gao and Hao Wang and Chen Zhang and Wei Wang},
journal= {arXiv preprint arXiv:1702.06239},
year = {2017}
}