切断前后之界：用于事件时间排序的神经架构
计算与语言
2020-04-10 v1
摘要
本文中，我们提出了一种神经架构及一组通过预测时间关系来排序事件的训练方法。我们提出的模型以一段文本内的一对事件作为输入，并识别它们之间的时间关系（Before、After、Equal、Vague）。鉴于该任务的一个关键挑战是标注数据的稀缺，我们的模型依赖于预训练表示（即RoBERTa、BERT或ELMo）、迁移与多任务学习（通过利用互补数据集）以及自训练技术。在MATRES英文文档数据集上的实验确立了该任务的新state-of-the-art。
引用
@article{arxiv.2004.04295,
title = {Severing the Edge Between Before and After: Neural Architectures for Temporal Ordering of Events},
author = {Miguel Ballesteros and Rishita Anubhai and Shuai Wang and Nima Pourdamghani and Yogarshi Vyas and Jie Ma and Parminder Bhatia and Kathleen McKeown and Yaser Al-Onaizan},
journal= {arXiv preprint arXiv:2004.04295},
year = {2020}
}