涉及命名实体的事实性文本中的语义新颖性检测与刻画
计算与语言
2022-11-01 v1
摘要
现有关于文本新颖性检测的工作大多在主题层面进行研究，即判断文档或句子的主题是否新颖。在细粒度语义层面（或上下文层面）的研究很少。例如，已知 Elon Musk 是一家科技公司的 CEO，句子“Elon Musk 出演了情景喜剧《生活大爆炸》”是新颖且令人惊讶的，因为通常 CEO 不会是演员。现有的基于主题的新颖性检测方法在此问题上表现不佳，因为它们不进行涉及文本中命名实体之间关系及其背景知识的语义推理。本文提出一种有效的模型（称为 PAT-SND）来解决该问题，该模型还能刻画新颖性。同时构建了一个标注数据集。评估表明，PAT-SND 大幅优于 10 个基线方法。
引用
@article{arxiv.2210.17440,
title = {Semantic Novelty Detection and Characterization in Factual Text Involving Named Entities},
author = {Nianzu Ma and Sahisnu Mazumder and Alexander Politowicz and Bing Liu and Eric Robertson and Scott Grigsby},
journal= {arXiv preprint arXiv:2210.17440},
year = {2022}
}
备注
28 pages, 2 figures