利用规则增强序列标注进行事件抽取的尾部标签研究
信息检索
2020-11-23 v3 计算与语言
机器学习
摘要
由于缺少充足的标注数据，事件抽取问题对于低资源语言而言是一项相对困难的任务。此外，对于尾部（极少出现的）标签，可用数据极少，任务变得更为复杂。在本文中，我们提出了一个灾难领域面向多种印度语言的新数据集（InDEE-2019），该数据集采集自新闻网站。利用该数据集，我们评估了多种基于规则的机制以增强基于深度学习的模型。我们将事件抽取问题形式化为序列标注任务，并进行了大量实验以研究和理解不同方法的有效性。我们进一步表明，尾部标签可通过创建新规则轻松纳入，而无需大量标注数据。
引用
@article{arxiv.1908.07018,
title = {Tale of tails using rule augmented sequence labeling for event extraction},
author = {Ayush Maheshwari and Hrishikesh Patel and Nandan Rathod and Ritesh Kumar and Ganesh Ramakrishnan and Pushpak Bhattacharyya},
journal= {arXiv preprint arXiv:1908.07018},
year = {2020}
}
备注
9 pages, 4 figures, 6 tables