TEST_POSITIVE 在 W-NUT 2020 共享任务-3 中的工作：面向噪声文本槽填充的联合事件多任务学习
计算与语言
2020-10-01 v1 机器学习
社会与信息网络
摘要
从 Twitter 抽取 COVID-19 事件的竞赛旨在开发能够自动从推文中抽取相关事件的系统。所构建的系统应为每个事件识别不同的预定义槽位，以回答重要问题（例如，谁被检测出阳性？该人年龄多大？他/她在哪里？）。为应对这些挑战，我们提出联合事件多任务学习（JOELIN）模型。通过一个统一的全局学习框架，我们利用不同事件的所有训练数据来学习并微调语言模型。此外，我们实现了一种使用命名实体识别（NER）的类型感知后处理流程，以进一步过滤预测结果。JOELIN 在微平均 F1 上比 BERT 基线高出 17.2%。
引用
@article{arxiv.2009.14262,
title = {TEST_POSITIVE at W-NUT 2020 Shared Task-3: Joint Event Multi-task Learning for Slot Filling in Noisy Text},
author = {Chacha Chen and Chieh-Yang Huang and Yaqi Hou and Yang Shi and Enyan Dai and Jiaqi Wang},
journal= {arXiv preprint arXiv:2009.14262},
year = {2020}
}
备注
6 pages, 2 figures, 2 tables