文本类比解析：类比事实间的共享内容与比较内容
计算与语言
2018-09-11 v1
摘要
要理解“尽管只有10%的白人美国人生活在贫困线或以下，但28%的非裔美国人如此”这样的句子，不仅需识别个别事实（例如不同人口群体的贫困率），还需识别它们之间的高阶关系（例如两者间的差异）。本文提出文本类比解析（Textual Analogy Parsing, TAP）任务来建模这种高阶语义。TAP的输出是一种框架式语义表示，显式指定其组成事实之间共享的内容（例如贫困率）与比较的内容（例如白人美国人 vs. 非裔美国人，10% vs. 28%）。此类语义表示可支持依赖篇章理解的新应用，例如从量化文本自动生成图表。我们提出了TAP的新数据集、基线方法，以及一个成功利用ILP（整数线性规划）来强制满足问题结构约束的模型。
引用
@article{arxiv.1809.02700,
title = {Textual Analogy Parsing: What's Shared and What's Compared among Analogous Facts},
author = {Matthew Lamm and Arun Tejasvi Chaganty and Christopher D. Manning and Dan Jurafsky and Percy Liang},
journal= {arXiv preprint arXiv:1809.02700},
year = {2018}
}
备注
12 pages including appendix and references. To be presented at EMNLP 2018