面向因果解释检测的金字塔显著感知网络
计算与语言
2020-09-25 v2
摘要
因果解释分析（CEA）可协助我们理解日常事件背后的原因，已发现其对于理解消息的连贯性非常有帮助。本文关注因果解释检测，它是因果解释分析的一项重要子任务，用于判定一条消息中是否存在因果解释。我们设计了一种金字塔显著感知网络（PSAN）来检测消息上的因果解释。PSAN 可通过以基于底层的图词级显著网络捕获话语中包含于其关键词中的显著语义，来辅助因果解释检测。此外，PSAN 可通过顶层的基于注意力的话语级显著网络修正话语的主导性，以增强消息的解释性语义。在常用 CEA 数据集上的实验表明，PSAN 在因果解释检测任务上以 1.8% 的 F1 值优于 SOTA 方法。
引用
@article{arxiv.2009.10288,
title = {Towards Causal Explanation Detection with Pyramid Salient-Aware Network},
author = {Xinyu Zuo and Yubo Chen and Kang Liu and Jun Zhao},
journal= {arXiv preprint arXiv:2009.10288},
year = {2020}
}
备注
Accepted to CCL2020